Destress 9-1-1—an online mindfulness-based intervention in reducing stress among emergency medical dispatchers: a randomised controlled trial
Notice bibliographique
Résumé
OBJECTIVES: Emergency medical dispatchers (EMDs) experience significant stress in the workplace. Yet, interventions aimed at reducing work-related stress are difficult to implement due to the logistic challenges associated with the relatively unique EMD work environment. This investigation tested the efficacy of a 7-week online mindfulness-based intervention (MBI) tailored to the EMD workforce. METHODS: Active-duty EMDs from the USA and Canada (n=323) were randomly assigned to an intervention or wait list control condition. Participants completed surveys of stress and mindfulness at baseline, post intervention, and 3 months follow-up. Repeated measures mixed effects models were used to assess changes in stress and mindfulness. RESULTS: Differences between the intervention group and control group in pre-post changes in stress using the Calgary Symptoms of Stress Inventory were statistically significant, with a difference of -10.0 (95% CI: -14.9, -5.2, p<0.001) for change from baseline to post intervention, and a difference of -6.5 (95% CI: -11.9, -1.1, p=0.02) for change from baseline to 3 months follow-up. Change in mindfulness scores did not differ between groups. However, increases in mindfulness scores were correlated with greater reductions in stress for all participants, regardless of group (r=-0.53, p<0.001). CONCLUSIONS: Development of tailored online MBIs for employees working in challenging work environments offer a promising direction for prevention and intervention. This study found that a short, weekly online MBI for EMDs resulted in reductions in reports of stress. Implications of online MBIs in other emergency responding populations and directions for future research are discussed.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,100 | 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 ».