Examining the role of transformational leadership and mission valence on burnout among hospital staff
Notice bibliographique
Résumé
Purpose The present study contributes to our understanding of how to curb burnout among hospital staff over time. The authors extend existing research by examining the mediating role of mission valence in the link between transformational leadership and burnout. Design/methodology/approach Self-administered questionnaire data from employees in a Canadian general hospital ( N = 185) were analyzed using a time-lagged research design to examine whether transformational leaders can increase employees' attraction to the organization's mission (i.e. mission valence) and in turn alleviate long-term burnout. Findings Structural equation modeling analysis demonstrated that transformational leadership (time 1) was negatively related to the burnout components of emotional exhaustion and depersonalization (time 2). Further, the results showed that mission valence mediated these relationships. Practical implications The study findings are important for managers and professionals as they identify transformational leadership as a potent strategy to alleviate employee burnout and clarify the process through which this is achieved, namely, by increasing mission valence. Originality/value To date, surprisingly little research has explored how transformational leadership influences followers' burnout. To address this issue, the present study examined the role of transformational leadership on staff burnout through the mechanism of increasing mission valence. Understanding how to mitigate burnout is particularly critical in health care organizations given that burnout not only negatively impacts employee wellbeing but also the wellbeing and quality of care provided to patients.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».