Effect of effort‐reward imbalance and burnout on infection control among Ecuadorian nurses
Notice bibliographique
Résumé
BACKGROUND: Nurses are frequently exposed to transmissible infections, yet adherence to infection control measures is suboptimal. There has been inadequate research into how the psychosocial work environment affects compliance with infection control measures, especially in low- and middle-income countries. AIM: To examine the association between effort-reward imbalance, burnout and adherence to infection control measures among nurses in Ecuador. INTRODUCTION: A cross-sectional study linking psychosocial work environment indicators to infection control adherence. METHODS: The study was conducted among 333 nurses in four Ecuadorian hospitals. Self-administered questionnaires assessed demographic variables, perceived infection risk, effort-reward imbalance, burnout and infection control adherence. RESULTS: Increased effort-reward imbalance was found to be a unique incremental predictor of exposure to burnout, and burnout was a negative unique incremental predictor of nurses' self-reported adherence with infection control measures. DISCUSSION: Results suggest an effort-reward imbalance-burnout continuum, which, at higher levels, contributes to reduce adherence to infection control. The Ecuadorean government has made large efforts to improve universal access to health care, yet this study suggests that workplace demands on nurses remain problematic. CONCLUSION: This study highlights the contribution of effort-reward-imbalance-burnout continuum to the chain of infection by decreased adherence to infection control of nurses. IMPLICATIONS FOR NURSING POLICY: Health authorities should closely monitor the effect of new policies on psychosocial work environment, especially when expanding services and increasing public accessibility with limited resources. Additionally, organizational and psychosocial interventions targeting effort-reward imbalance and burnout in nurses should be considered part of a complete infection prevention and control strategy. Further study is warranted to identify interventions that best ameliorate effort-reward imbalance and burnout in low- and middle-income settings.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».