Consequences of early career nurse burnout: A prospective long-term follow-up on cognitive functions, depressive symptoms, and insomnia
Notice bibliographique
Résumé
BACKGROUND: Burnout is common among nurses and midwives. We examined whether an early career episode of burnout has long-term consequences on; a) cognitive functions, b) symptoms of depression, and/or c) insomnia for nurses a decade after graduation. METHODS: Symptoms of burnout were investigated in an observational longitudinal study of three national cohorts of registered nurses (RNs). Nursing students were recruited from all 26 of Sweden's nursing programs. Burnout was subsequently measured through annual assessment over the first three years post graduation, with one long-term follow-up 11-15 years after graduation. A total of 2474 nurses (62%) consented to participate at follow-up. Burnout was measured using items from the Oldenburg Burnout Inventory, cognitive function by a study specific instrument, depressive symptoms by the Major Depression Inventory, and sleep problems using items from the Karolinska Sleep Questionnaire. We used logistic regression to identify factors associated with consequences of early career burnout, adjusting for concurrent levels at follow up. FINDINGS: The prevalence of nurses reporting high levels of burnout symptoms at least one of the first three years of working life was 299 (12·3%). High levels of burnout symptoms in early working life were significantly related to more frequent symptoms of cognitive dysfunction, depression, and impaired sleep a decade later when taking current burnout levels into account. After controlling for both current symptoms of burnout and the other outcome variables, nurses with early career burnout still reported more frequent problems with cognitive functions and sleep but not depression. INTERPRETATION: The results of this study show that the detrimental processes caused by overwhelming or chronic stress start early on in nurses' careers and thus preventive efforts should preferably be introduced early on (e.g. as part of nursing education and onboarding programs). FUNDING: AFA Insurance Grant [number 150284].
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».