Risk of burnout among radiographers in a large tertiary care hospital in Saudi Arabia
Notice bibliographique
Résumé
Objective: Radiographers are known to be at increased risk of burnout due to the emotionally taxing interactions that they have with their patients on a daily basis. The aim of this study was to assess the risk of burnout among radiographers in a large tertiary care hospital in Saudi Arabia.Methods: This was an observational, cross-sectional study using the Maslach Burnout Inventory-Human Services Survey (MBI-HSS). This tool has been extensively tested and validated. 150 full-time radiographers at King Abdulaziz Medical City (KAMC), Riyadh, Saudi Arabia were invited. Trainees, interns and on job trainees (OJT) were excluded to ensure sample homogeneity. Results: 150 participants were invited to participate in the questionnaire with response rate 142 (95%). 70 participants (49%) were male and 72 (51%) female. Maslach Burnout Inventory-Human Services Survey subscale results: The mean (± SD) score for emotional exhaustion, depersonalization and personal accomplishment were 21.44 (± 13.0), 8.12 (± 6.99) and 35.63 (± 8.59) respectively. Moderate to high risk of burnout for emotional exhaustion, depersonalization and personal accomplishment were reported in 67%, 52% and 58% of participants respectively. Conclusions: 67% of radiographers were at moderate to high risk of burnout for emotional exhaustion, 52% for depersonalization and 58% for personal accomplishment. Policymakers should take necessary steps to recognize factors contributing to staff burnout and take appropriate steps to improve the work environment.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».