Correlates and Predictors of Resilience among Baccalaureate Nursing Students
Notice bibliographique
Résumé
INTRODUCTION: A growing body of literature recognizes the importance of resilience in the nursing profession. Both mindfulness and resilience aid in handling stress, stress increases the risk of rumination and/or worry especially in females and they are more empathetic than other healthcare students. AIM: To identify correlates and predictors of the resilience among nursing students. MATERIALS AND METHODS: year B.Sc Nursing) from Government College of Nursing and NIMHANS College of Nursing in Bangalore, India. The following instruments were used to collect the data, Freiburg Mindfulness Inventory (FMI), Toronto Empathy Questionnaire (TEQ), Perseverative Thinking Questionnaire (PTQ) and Connor-Davidson Resilience Scale (CD-RISC). Data was analysed using Pearson's correlation test and multiple regression analysis. RESULTS: Resilience is significantly correlated with mindfulness, perseverative thinking and empathy in nursing students. Based on regression analysis this model accounted for almost 33% of variance in resilience. This result is of interest as mindfulness alone explained 23% of the variance and unproductive Repeated Negative Thinking (RNT) and RNT consuming mental capacity predicted 8% and 2% respectively. CONCLUSION: These results support the importance of resilience and mindfulness in nursing students. Hence, resilience and/or mindfulness enhancing interventions should be inculcated in nursing education.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».