Can Self‐Compassion Promote Healthcare Provider Well‐Being and Compassionate Care to Others? Results of a Systematic Review
Notice bibliographique
Résumé
BACKGROUND: This meta-narrative review, conducted according to the RAMESES (Realist And Meta-narrative Evidence Syntheses: Evolving Standards) standards, critically examines the construct of self-compassion to determine if it is an accurate target variable to mitigate work-related stress and promote compassionate caregiving in healthcare providers. METHODS: PubMed, Medline, CINAHL, PsycINFO, and Web of Science databases were searched. Studies were coded as referring to: (1) conceptualisation of self-compassion; (2) measures of self-compassion; (3) self-compassion and affect; and (4) self-compassion interventions. A narrative approach was used to evaluate self-compassion as a paradigm. RESULTS: Sixty-nine studies were included. The construct of self-compassion in healthcare has significant limitations. Self-compassion has been related to the definition of compassion, but includes limited facets of compassion and adds elements of uncompassionate behavior. Empirical studies use the Self-Compassion Scale, which is criticised for its psychometric and theoretical validity. Therapeutic interventions purported to cultivate self-compassion may have a broader effect on general affective states. An alleged outcome of self-compassion is compassionate care; however, we found no studies that included patient reports on this primary outcome. CONCLUSION: We critically examine and delineate self-compassion in healthcare providers as a composite of common facets of self-care, healthy self-attitude, and self-awareness rather than a construct in and of itself.
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 | 0,032 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,016 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».