Clearing the Smoke Screen: Smoking, Alcohol Consumption, and Stress Management Techniques among Canadian Long-Term Care Workers
Notice bibliographique
Résumé
BACKGROUND: Currently, there is abundant research indicating that smoking and alcohol consumption have significant impacts on morbidity and mortality, though little is known about these behaviors among Canadian health care workers. The objective of this study was to examine health and coping behaviors, such as smoking and alcohol consumption as well as stress management techniques, among health care workers consisting of gendered, racialized, and immigrant employees. METHODS: Drawing on a single-case, mixed-methods study in Ontario, Canada, this paper presents under-researched data about smoking practices, alcohol consumption, and stress management techniques among health care workers in labor-intensive, high-stress, high-turnover environments. In particular, it identifies the various mechanisms for maintaining health and well-being. RESULTS: The findings suggest that 7.7% of survey respondents reported smoking while 43.4% reported alcohol consumption, which were reported more frequently among immigrants than among non-immigrants. Participants also reported health-promoting activities in face-to-face interviews, such as mindful breathing techniques and drawing upon social support, while a few respondents reported alcohol consumption to specifically cope with sleep disturbances and job stress. CONCLUSIONS: Although smoking and alcohol consumption were both connected with coping strategies and leisure, they were predominant in immigrant groups compared to non-immigrant groups.
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 | 0,002 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».