Resilience in Veterinary Students and the Predictive Role of Mindfulness and Self-Compassion
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
Resilience is a dynamic and multifaceted process in which individuals draw on personal and contextual resources. In difficult situations, resilient people use specific strategies to learn from the situation without being overcome by it. As stressors are inherent to veterinary work, including long work hours, ethical dilemmas, and challenging interactions with clients, resilience is an important component of professional quality of life. However, while resilience in other health professionals has received attention, it has received little in the veterinary field. In this cross-sectional study, veterinary students from six veterinary schools in Australia completed an online survey, with 193 responses (23%). Very few veterinary students (6%) reached the threshold to be considered highly resilient using the Brief Resilience Scale, and approximately one third classified as having low levels of resilience. In the final linear multiple regression model, predictors of resilience included nonjudgmental and nonreactive mindfulness (Five Facet Mindfulness Questionnaire) and self-compassion (Neff Self-Compassion Scale). Students with higher nonjudgmental and nonreactive mindfulness and self-compassion had higher resilience scores. These findings indicate that fostering these qualities of mindfulness and self-compassion may be aligned with strengthening veterinary student resilience. Importantly, if the factors that help veterinary students develop a capacity for resilience can be identified, intervention programs can be targeted to educate future veterinary professionals with a high quality of life, both professional and personal.
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 | 0,003 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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