Prevalence of and factors associated with burnout inmidwifery: A scoping review
Notice bibliographique
Résumé
INTRODUCTION: Midwifery care meets the triple aims of health system improvement, i.e. good health outcomes, high client satisfaction, and low per capita costs. Scaling up access to midwifery care is a global priority yet the growth and sustainability of the profession is threatened by high levels of burnout and attrition. This scoping review provides a comprehensive review of the existing literature on burnout in midwifery, with a focus on prevalence, associated factors and potential solutions. METHODS: Four electronic databases were searched to locate relevant literature up to July 2019. A total of 1034 articles were identified and reduced to 27 articles that met inclusion criteria. We summarize sample sizes, settings, study designs, burnout measures, prevalence of burnout, associated factors and potential solutions, and recommendations. RESULTS: Prevalence of burnout was highest among Australian, Western Canadian and Senegalese midwives and lowest among Dutch and Norwegian midwives. Midwives working in caseload/continuity models reported significantly lower burnout compared to midwives working in other models. We identified 26 organizational and personal factors that were significantly associated with burnout, such as high workload, exposure to traumatic events, and fewer years in practices. Organizational support to improve work-life balance and emotional well-being, as well as more continuing education to raise awareness about burnout and how to cope with it, emerged as common strategies to prevent and address burnout. CONCLUSIONS: Burnout is a serious and complex occupational phenomenon. More qualitative research is needed in this area, to better understand the lived experience of burnout.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».