Self-Rated Health and Sick Leave among Nurses and Physicians: The Role of Regret and Coping Strategies in Difficult Care-Related Situations
Notice bibliographique
Résumé
Moral distress - such as feeling strong regret over difficult patient situations - is common among nurses and physicians. Regret intensity, as well as the coping strategies used to manage regrets, may also influence the health and sickness absence of healthcare professionals. The objective of this study was to determine if the experience of regret related to difficult care-related situations is associated with poor health and sick leave and if coping strategies mediate these associations. Two cross-sectional surveys were conducted in Switzerland (Geneva, 2011 and Zurich, 2014). Outcomes were self-rated health (SRH) and sick leave in the last 6 months. We examined the associations of regret intensity with the most important care-related regret, number of recent care-related regrets, and coping strategies, using regressions models. Among 775 respondents, most reported very good SRH and 9.7% indicated absence from work during four working days or more. Intensity of the most important regret was associated with poor SRH among nurses and physicians, and with higher sick leave among nurses. Maladaptive emotion-focused strategies were associated with poor SRH among nurses, whereas adaptive emotion-focused strategies were positively associated with higher SRH and lower sick leave among physicians. Because care-related regret is an integral part of clinical practice in acute care hospitals, helping physicians and, especially, nurses to learn how to deal with negative events may yield beneficial consequences at the individual, patient care, and institutional level.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».