Basic Dimensions of Resilient Coping in Paramedics and Dispatchers
Notice bibliographique
Résumé
Introduction Paramedics and dispatchers are exposed to high levels of stress and consequent psychological injury. Resilience training enhances the capacity to cope with stress and be resilient. It is widely recommended that resilience training be customised to specific occupational groups, but there is no established method for achieving such customisation. Exploratory factor analysis was used to identify dimensions underlying resilient coping in paramedics and dispatchers. The objective was to provide a basis for customised resilience training in this population. Methods The Resilient Coping Survey (RCS) was developed on the basis of interviews with paramedics and dispatchers as well as scoping review to identify coping items relevant to this occupational group. The RCS included scales of coping (Resilience at Work and the Self-Compassion Scale – Short Form), a scale of self-perceived resilience (the Brief Resilience Scale) and a set of items reflecting coping skills specific to paramedic service work. The survey was administered to paramedics and dispatchers in British Columbia, Canada. Results 703 paramedics and dispatchers responded to the survey. Analysis of the survey data identified five resilient coping factors: balance, self-acceptance, trusted social support, meaningful work and physical self-care. Each of these factors predicted resilience. No difference was found overall in resilience across gender; but only for male workers did resilience fall steadily with years of service. Conclusion Resilience training for paramedics and dispatchers would appropriately target the five resilient coping factors and be delivered throughout the paramedic service career.
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) | 0,000 | 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) | 0,000 | 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 ».