Stress and cortisol as predictors of fatigue in medical/surgical nurses and nurse leaders: A biobehavioral approach
Notice bibliographique
Résumé
Objective: High acuity and long work hours are significant contributors to nurses’ stress. Studies evaluating consecutive workdays with the use of biobehavioral methods are limited in the US. The aim of this study was to assess changes in and the relationship between stress, fatigue, and cortisol.Methods: In an observational within-subject design, we studied stress, fatigue and cortisol before and after 2 consecutive 12-hour day shifts in an acute care setting. Specifically, the study was designed to: (1) assess the effect of stress on fatigue; (2) examine the effect of stress on cortisol; (3) compare the levels of stress, fatigue, and cortisol; and (4) compare the responses of stress, fatigue, and cortisol between acute care, day shift staff nurses and nurse leaders.Results: Stress, fatigue, and cortisol increased significantly from baseline to Day 2 (p = .001, .004, and .010, respectively; paired t-test). In a comparison of nurses and nurse leaders, stress and fatigue at baseline were significantly higher in acute care nurses than in nurse leaders (p ≥ .00 and .05, respectively; independent t-test). At the end of 2 consecutive shifts, cortisol was significantly higher in staff nurses than in nurse leaders (p = .001).Conclusions: Competing initiatives pressure nurse leaders to work long hours to support organizational goals, sometimes at the expense of a healthy work environment. Nurses from direct care staff to executives should be educated in and demonstrate best practices in relation to endorsements from the American Nurses Association on fatigue and interventions to lessen the risks to patient safety.
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 | 0,002 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».