Demographic and academic characteristics that contribute to burnout occurrence in nursing students-Analytic study
Notice bibliographique
Résumé
Objective: Several features, such as workload, irregular practice of sports, and work experiences may contribute to the Burnout However, although different investigations have assessed the associations between demographic and academic characteristics and Burnout across different countries, few studies were conducted in Brazil, especially with nursing students. So, we assessed the association of demographic and academic variables to Burnout occurrence in nursing students.Methods: This is a quantitative, analytical and cross-sectional study. We applied a Form to demographic and academic characterization and the Maslach Burnout Inventory in 570 nursing students between April 2011 and March 2012. To compare the occurrence of Burnout and of its subscales regarding to sociodemographic and academic variables, we used the Chi-Square test and the Fisher exact test (Tables 2 × 2), p < .05. The Ethics Research Committee at the University approved this project under protocol No. 0380.0.243.000-10.Results: Burnout occurrence is higher among students enrolled in first semester, who attend 10 disciplines, without thoughts of leaving the course and who has no job activity. The high Emotional Exhaustion and low Professional Efficacy predominate among unemployed students, and who never thought in leaving the course. The high Cynicism predominated among students aged 20-24 years, enrolled in first semester, who does not work and without experience in healthcare.Conclusions: Few demographic and academic characteristics contribute to Burnout occurrence in nursing students, raising the need of interventions to relieve stress in this population.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».