Stress Related Factors Among Nurses Working in Accident and Emergency in a Selected Federal Government Hospital in South-South Nigeria
Notice bibliographique
Résumé
Stress bears a negative effect on nurses’ lives and work which includes relationships, such as family life and social relationship. This is because nurses spend more time by the patients and in the healthcare setting than any other healthcare professional. This study examined the stress related factors among nurses working in Accident and Emergency (A&E) Department of one the federal hospitals in South-south Nigeria. The study had four (4) specific objectives and four (4) hypotheses. The study adopted a descriptive research design. Convenient sampling technique was used to recruit fifty-seven (57) nurses who are currently working or have worked in the A&E unit of the hospital. Data collection was with structured questionnaire aided by two research assistants. Permission was obtained from the ethics committee of the hospital. Findings revealed that 49 (86%) do not observe break during their shift and a further 50 (88%) go home completely exhausted. 54 (95%) of the respondents viewed that the workload in A & E is enormous. Staff shortage accounted for 56 (98.5%) of stressors. 47 (83%) of the perception of stressors from respondents are due to problems in interaction with the administration. The study identified various coping mechanisms nurses adopt to combat stressful shifts. Findings reveals that friends 49 (86%), work associates 54 (92.5%), faith 55 (96.5/%) and personal time alone 56 (98.5%) were sources of coping with the stress. The test of hypothesis showed that positive calculated r-value is greater than the critical r-value of 0.269 at 0.05 alpha level with 55 degree of freedom. Thus, there is a significant relationship between stress-related factors and stress among nurses. Conclusion was based on the findings of this study which was recommended amongst others that hospitals should provide a counsellor through employee assistance programs to help nurses during 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».