Veterinary Technicians and Occupational Burnout
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Burnout and compassion fatigue are common conditions affecting health care providers. Unique occupational conditions in veterinary medicine make technicians especially susceptible to burnout. A total of 1642 practicing veterinary technicians completed an anonymous online survey comprised of demographic questions, the Maslach Burnout Inventory - General Survey (MBI-GS) and the Stanford Professional Fulfillment Index (PFI). The mean average MBI-GS scores were emotional exhaustion (EE) scale: x = 3.47 (SD = 1.44); cynicism (CY) scale: x=2.55 (SD = 1.58); and professional efficacy (PE) scale: x = 4.82 (SD = 0.95). Over half of participants (862/1479, 58.3%) had EE scores over the 3.0 threshold for burnout. On the PFI, the total score for the 10 burnout questions was x=1.54 (SD = 0.75), which is above the 1.33 cutoff for burnout. The mean score of 2.26 (SD = 0.81) on the professional fulfillment scale is also indicative of burnout. The relationship between enabling resources and scores on each MBI-GS scale was analyzed. Schedule control was the most significant predictor of lower EE scores. The perception of adding value to the practice was associated with lower scores on the CY scale and higher scores on the PE scale. Given the correlation between burnout and environmental factors, veterinary practices are encouraged to explore non-monetary mechanisms for enhancing job satisfaction. This includes giving technicians greater control over their schedules, recognizing their contributions to the team, and providing opportunities for professional development. From a morale standpoint, destigmatizing the dirty work done by technicians can also help combat burnout among veterinary technicians.
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.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 découle