Oncologist burnout and compassion fatigue: investigating time pressure at work as a predictor and the mediating role of work-family conflict
Notice bibliographique
Résumé
BACKGROUND: Oncologists are at high risk of poor mental health. Prior research has focused on burnout, and has identified heavy workload as a key predictor. Compassion fatigue among physicians has generally received less attention, although medical specialties such as oncology may be especially at risk of compassion fatigue. We contribute to research by identifying predictors of both burnout and compassion fatigue among oncologists. In doing so, we distinguish between quantitative workload (e.g., work hours) and subjective work pressure, and test whether work-family conflict mediates the relationships between work pressure and burnout or compassion fatigue. METHODS: In a cross-sectional study, oncologists from across Canada (n = 312) completed questionnaires assessing burnout, compassion fatigue, workload, time pressure at work, work-family conflict, and other personal, family, and occupational characteristics. Analyses use Ordinary Least Squares regression. RESULTS: Subjective time pressure at work is a key predictor of both burnout and compassion fatigue. Our results also show that work-family conflict fully mediates these relationships. Overall, the models explain more of the variation in burnout as compared to compassion fatigue. CONCLUSIONS: Our study highlights the need to consider oncologists' subjective time pressure, in addition to quantitative workload, in interventions to improve mental health. The findings also highlight a need to better understand additional predictors of compassion fatigue.
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 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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».