Motivators and Stressors for Canadian Research Coordinators in Critical Care: The MOTIVATE Survey
Notice bibliographique
Résumé
BACKGROUND: Critical care research coordinators implement study protocols in intensive care units, yet little is known about their experiences. OBJECTIVE: To identify the responsibilities, stressors, motivators, and job satisfaction of critical care research coordinators in Canada. METHODS: Responses to a self-administered survey were collected in order to identify and understand factors that motivate and stress research coordinators and enhance their job satisfaction. Items were generated in 5 domains (demographics, job responsibilities, stressors, motivators, and satisfaction). Face validity pretesting was conducted and clinical sensibility was evaluated. Items were rated on 5-point Likert scales. Descriptive analyses were used to report results. RESULTS: The response rate was 78% (66 of 85). Most critical care research coordinators (71%) were employed full time; they were engaged in 9 studies (7 academic, 2 industry); and 49% were nurses. Of 30 work responsibilities, the most frequently cited were submitting ethics applications (89%), performing data entry (89%), and attending meetings (87%). Highest-rated stressors were unrealistic workload and weekend/holiday screening; highest-rated motivators were a positive work environment and team spirit. Overall, 26% were "very satisfied" and 53% were "satisfied" with their jobs. CONCLUSIONS: Critical care research coordinators in Canada indicate that, despite significant work responsibilities, they are satisfied with their jobs thanks to positive work environments and team spirit.
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 | 0,009 | 0,285 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,008 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».