MétaCan
Menu
Retour à la cohorte
Enregistrement W2971221294 · doi:10.1111/jonm.12857

The long‐term effects of psychological demands on chronic fatigue

2019· article· en· W2971221294 sur OpenAlexafffundabout
Parise LeGal, Ann Rhéaume, Jane Mullen

Notice bibliographique

RevueJournal of Nursing Management · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensMount Allison UniversityUniversité de MonctonUniversity of New Brunswick
Organismes subventionnairesUniversité de Moncton
Mots-clésPsychological interventionChronic fatigueNursing managementNursingSocial supportPsychologyMedicineApplied psychologyChronic fatigue syndromeSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

AIM: Investigate the impact of psychological job demands and resources on chronic fatigue. BACKGROUND: Nurse fatigue is a serious problem with negative consequences on patient safety and nurse well-being. Excessive job demands can exacerbate nurse fatigue, which may limit the ability of nurses to engage in professional practice. METHODS: This two-wave study was carried out with a self-report questionnaire administered to nurses in eastern Canada (n = 154). Cross-lagged analysis using structural equation modelling was conducted to examine the interactions between psychological job demands, resources and chronic fatigue over time. RESULTS: Results showed that psychological job demands predicted chronic fatigue a year later. Nonetheless, job resources (decision latitude, social support) did not buffer the relationship between psychological job demands and chronic fatigue 1 year later. CONCLUSIONS: Psychological demands have a long-term effect on chronic fatigue, thus interventions to mitigate fatigue are needed. IMPLICATIONS FOR NURSING MANAGEMENT: Nurse managers should be aware of the cumulative effects of chronic fatigue and implement strategies to create a better balance between job demands and resources in the workplace.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,368
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing ManagementMême sujetSleep and Work-Related FatigueTravaux en français237 207