MétaCan
Menu
← Retour à la cohorte
Enregistrement W3008460705 · doi:10.5539/gjhs.v12n3p45

Determining the Influence of Life Change Events on the Mental Health Nurses; A Case of Saudi Arabia

2020· article· en· W3008460705 sur OpenAlexvenueno aff
Waleed Mokhaideer Alhujaili, Muneeb Mohammad Alzghool

Notice bibliographique

RevueGlobal Journal of Health Science · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthDepression (economics)Marital statusPsychologyMedicinePsychiatryClinical psychologyGerontologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & OBJECTIVES: Few researches are found concerning the relationship of life-altering events and psychological health among mental health nurses in Saudi Arabia. Thereby, the study examines the influence of life-altering events on Saudi mental health of nurses. METHODS: A descriptive correlational research design was used where mental health nurses from three different hospitals were recruited using a random sampling method. Data was collected using Qandil’s Arabic Modified Life Events Questionnaire. Pearson correlation evaluated the relationship between variables. RESULTS: Major change in eating habits was responsible for expressing both depression and stress. Inclusion of new members, leaving loved ones due to several causes, spouses’ death, and substantial changes in the family members’ health status are all significantly related to depression. Change occurred in the parents’ marital status due to divorce or death also became the cause of depression. This is also same when person felt burden in taking care of the sick family member. Going on vacations and short trips, change in the meetings of family and social activities may help in relieving depression. CONCLUSION: The findings show that big personal achievements lead to negative relationship with depression. Stress-related factors are also a personal problem, which must be intervened with the enhancement of the working conditions.

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)0,002
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 enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,082
Tête enseignante GPT0,451
Écart entre enseignants0,369 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetResilience and Mental Health→Travaux en français237 207→