Workplace-Based Organizational Interventions Promoting Mental Health and Happiness among Healthcare Workers: A Realist Review
Notice bibliographique
Résumé
Mental illness, deemed globally to account for 32% of years lived with a disability, generates significant impacts on workplaces. In particular, healthcare workers experience high rates of mental ill health such as burnout, stress, and depression due to workplace conditions including excessive workloads, workplace violence and bullying, which also produces negative effects on patients as well as on the happiness and wellbeing of those who remain at work. This review was undertaken to synthesize the evidence on workplace-based interventions at the organizational level promoting mental health and wellbeing among healthcare workers, to identify what has been receiving attention in this area and why, especially considering how such positive effects are produced. A search of three premier health-related databases identified 1290 articles that discussed healthcare workers, workplace interventions, and mental health. Following further examination, 46 articles were ultimately selected as meeting the criteria specifying interventions at the organizational level and combined with similar studies included in a relevant Cochrane review. The 60 chosen articles were then analyzed following a realist framework analyzing context, mechanism, and outcome. Most of the studies included in the realist review were conducted in high-income countries, and the types of organizational-level interventions studied included skills and knowledge development, leadership development, communication and team building, stress management as well as workload and time management. Common themes from the realist review highlight the importance of employee engagement in the intervention development and implementation process. The literature review also supports the recognized need for more research on mental health and happiness in low- and middle-income countries, and for studies evaluating the longer-term effects of workplace mental health promotion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».