COVID-19 pandemic-related anxiety, distress and burnout: prevalence and associated factors in healthcare workers of North-West Italy
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic caused drastic changes in healthcare and severe social restrictions. Healthcare workers (HCWs) are on the front line against the virus and have been highly exposed to pandemic-related stressors, but there are limited data on their psychological involvement for a large sample in Italy. AIMS: To investigate the prevalence of anxiety, distress and burnout in HCWs of North-West Italy during the COVID-19 pandemic, and to detect potential psychosocial factors associated with their emotional response. METHOD: This cross-sectional, survey-based study enrolled 797 HCWs. Participants completed the Impact of Event Scale - Revised, the State-Trait Anxiety Inventory - Form Y and the Maslach Burnout Inventory; demographic, family and work characteristics were also collected. Global psychological outcome, differences among professions and independent factors associated with worst psychological outcome were assessed. RESULTS: Almost a third of the sample had severe state anxiety and distress, high emotional exhaustion and depersonalisation, and low personal accomplishment. Distress was higher in women and nurses, whereas depersonalisation was higher in men. Family division, increased workload, job changes and frequent contact with COVID-19 were associated with worst psychological outcome. Trait anxiety was associated with significantly higher risk for developing state anxiety, distress and burnout. CONCLUSIONS: An elevated psychological burden related to the COVID-19 pandemic was observed in HCWs of North-West Italy. The identification of family and work characteristics and a psychological pre-existing condition as factors associated with worst psychological outcome may help provide a tailored, preventive, organisational and psychological approach in counteracting the psychological effects of future pandemics.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».