Professional Quality of Life Factors and Relationships in Nursing and Psychiatric Nursing Students: An Exploratory Study
Notice bibliographique
Résumé
INTRODUCTION: Professional quality of life (ProQOL) that encompasses compassion satisfaction (CS) and compassion fatigue (CF) comprised of burnout (BO) and secondary traumatic stress (STS) has been raised as a world-wide issue for the nursing profession. Limited attention has been paid to the vulnerabilities of nursing students to ProQOL and the associated mechanisms. PURPOSE: Determine what factors are predictive of ProQOL in a population of undergraduate nursing and psychiatric nursing students. Methods: A cross-sectional survey was conducted comprised demographic questions and four validated measures: the Professional Quality of Life Scale (version 5), Core Self-Evaluations Scale, Perceived Stress Scale, and Life Events Checklist (version 5). RESULTS: Students in long-term care-palliative care rotations reported significantly higher levels of BO in comparison to other care areas. Regression analysis revealed students with low self-efficacy and high perceived stress were predictive of BO. Students with increased exposures to prior traumatizing life events were predictive of STS. Students with high levels of self-efficacy and less intent-to-leave were predictive of having CS. CONCLUSION: Findings assist educators, clinicians, and policy makers in understanding at-risk clinical settings and predictors of ProQOL in pre-licensure students. Curricular recommendations that include mindfulness, coping and crisis peer-debriefing, and emotional intelligence are discussed.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».