Investigating correlation between Alexithymia and Demographic variables with job burnout among nurses
Notice bibliographique
Résumé
Introduction: The aim of this study was to investigate the correlation between alexithymia and demographic variables with job burnout among nurses. Methods: This descriptive-correlation study was conducted on 190 nursing students (78 males and 112 females) from nursing students studying in city of Tehran universities in 2009. The students were randomly selected and they answered the Tedim job burnout inventory and Toronto alexithymia Scale-20 (TAS-20). Descriptive statistics methods, Pearson correlation coefficient and regression analysis were used for statistical analysis. Results: Results of this study showed that job burnout among demographic variables with age and level of education had a positive and significant correlation. It showed that socioeconomic status is negatively correlated with burnout (r=-0.23, P<0.05). Alexithymia with low level of job burnout (r=0.38, P<0.001) and high level of job burnout had a negative and significant correlation (r=0.33, P<0.001). Regression analysis showed job burnout by age, level of education, socioeconomic status, difficulties in identifying feelings, difficulties describing feelings and externally-oriented thinking (P=0.001). Conclusion: Alexithymia and demographic variables are important factors in job burnout and these factors can account for a high amount of variance in job burnout. Knowledge about the relationship between alexithymia and demographic variables and job burnout could help nurses towards protecting and promoting mental health.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».