Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Increasingly, organizations are experiencing changes as a result of extensive downsizing, restructuring, and merging. In Canada, government-sponsored medicine has been affected as hospitals have merged or closed, reducing essential medical services and resulting in extensive job loss for hospital workers, particularly nurses. Hospital restructuring has also resulted in greater stress and job insecurity in nurses. The escalation of stressors has created burnout in nurses. This study examines predictors of burnout in nurses experiencing hospital restructuring using the MBI-General Survey which yields scores on three scales: Emotional exhaustion, Cynicism, and Professional efficacy. Multiple regressions were conducted where each burnout scale was the criterion and stressors (e.g., amount of work, use of generic workers to do nurses' work), restructuring effects, social support, and individual resources (e.g., control coping, self-efficacy, prior organizational commitment) were predictors. There were differences in the amount of variance accounted for in the burnout components by stressors and resources. Stressors contributed most to emotional exhaustion and least to professional efficacy. Individual resources were more likely to contribute to professional efficacy and least to emotional exhaustion. Stressors and resources accounted for approximately equal amounts of variance in cynicism. Three conclusions were drawn. First, present findings parallel others by showing that individual coping patterns contribute to professional efficacy. Second, emotional exhaustion was found to be the prototype of stress. Third, prior organizational commitment, self-efficacy, and control coping resulted in lower burnout.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle