The Complex Relationship Between Veterinarian Mental Health and Client Satisfaction
Notice bibliographique
Résumé
A relatively high risk of poor mental health has been described among Canadian veterinarians, but no published studies have explored the impact that veterinarian mental health may have on veterinary clients and patients. In order to investigate the association between veterinarian mental health and veterinary client satisfaction, veterinarians were randomly sampled and recruited throughout southwestern Ontario, Canada, from November, 2017, through January, 2019. Sixty participating veterinarians completed an enrollment survey that included psychometric scales measuring resilience, perceived stress, anxiety, depression, emotional distress, emotional exhaustion, depersonalization, personal accomplishment, burnout, secondary traumatic stress, and compassion satisfaction. Nine hundred and ninety-five companion animal clients of these veterinarians were recruited in-clinic over 2-3 days and completed a post-appointment survey including the Client Satisfaction Questionnaire. The associations between clients' satisfaction scores (as the outcome variable) and each of the veterinarians' mental health measures (as the explanatory variables) were assessed using separate, multilevel, multivariable linear regression models. The associations between client satisfaction and veterinarian mental health measures were non-linear and complex; in several of the models, relatively higher client satisfaction was unexpectedly associated with poor veterinarian mental health states, while lower client satisfaction was associated with mental health scores suggesting wellness. Given that client satisfaction may impact client adherence to medical recommendations, client loyalty, and business income, the association with veterinarian mental health may have broad implications and warrants further investigation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».