Mental Wellbeing in Laboratory Animal Professionals: A Cross-Sectional Study of Compassion Fatigue, Contributing Factors, and Coping Mechanisms
Notice bibliographique
Résumé
Compassion fatigue (CF) is a topic of increasing concern because it can affect the mental wellbeing of caregivers, including those caring for or using research animals. If unaddressed, compassion fatigue may adversely impact the quality of life for personnel working with animals in research settings and may influence their decision to remain in the field. This study used a cross-sectional anonymous online questionnaire to 1) examine compassion fatigue in individuals working with research animals in Canada and the US; 2) better understand how personal and work-related factors may influence feelings of CF; 3) assess coping mechanisms used to deal with CF; and 4) determine the beneficial components of a CF support program. A questionnaire was sent to laboratory animal professionals in Canada and the US via email listserves to survey the general population of laboratory animal workers and personnel working for a large North American contract research organization (CRO). A total of 422 responses were received and analyzed (n = 154 from the general population, n = 268 from the CRO). Most participants were female (73%, 309/422); 66% (101/154) and 69% (184/268) of the general laboratory animal science respondents and the CRO respondents, respectively, reported experiencing feelings of CF. Survey participants indicated that the most influential work-related factors associated with feelings of CF were understaffing, close relationships with experimental animals, a lack of resources for coping with CF, poor relationships with superiors, and lack of training in managing CF. Respondents indicated that the most influential personal factors contributing to feelings of CF were poor mental and physical health. The most commonly reported beneficial coping mechanisms were talking to a trusted individual, getting away from work, practicing self-care strategies, increasing opportunities for physical activity, and owning or caring for companion animals.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».