A re‐examination of the individual differences approach that explains occupational resilience and psychological adjustment among nurses
Notice bibliographique
Résumé
AIMS: This study re-examines the validity of a model of occupational resilience for use by nursing managers, which focused on an individual differences approach that explained buffering factors against negative outcomes such as burnout for nurses. BACKGROUND: The International Collaboration of Workforce Resilience model (Rees et al., 2015, Frontiers in Psychology, 6, 73) provided initial evidence of its value as a parsimonious model of resilience, and resilience antecedents and outcomes (e.g., burnout). Whether this model's adequacy was largely sample dependent, or a valid explanation of occupational resilience, has been subsequently un-examined in the literature to date. To address this question, we re-examined the model with a larger and an entirely new sample of student nurses. METHODS: = 26.4 (7.7) years), with data examined via a rigorous latent factor structural equation model. RESULTS: The model upheld many of its relationship predictions following further testing. CONCLUSIONS: The model was able to explain the individual differences, antecedents, and burnout-related outcomes, of resilience within a nursing context. IMPLICATIONS FOR NURSING MANAGEMENT: The results highlight the importance of skills training to develop mindfulness and self-efficacy among nurses as a means of fostering resilience and positive psychological adjustment.
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 ».