Hair cortisol change at COVID-19 pandemic onset predicts burnout among health personnel
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has put chronic pressure on worldwide healthcare systems. While the literature regarding the prevalence of psychological distress and associated risk factors among healthcare workers facing COVID-19 has exploded, biological variables have been mostly overlooked. METHODS: 467 healthcare workers from Quebec, Canada, answered an electronic survey covering various risk factors and mental health outcomes three months after the onset of the COVID-19 pandemic. Of them, 372 (80%) provided a hair sample, providing a history of cortisol secretion for the three months preceding and following the pandemic's start. We used multivariable regression models and a receiver operating characteristic curve to study hair cortisol as a predictor of burnout and psychological health, together with individual, occupational, social, and organizational factors. RESULTS: As expected, hair cortisol levels increased after the start of the pandemic, with a median relative change of 29% (IQR = 3-59%, p < 0.0001). There was a significant association between burnout status and change in cortisol, with participants in the second quarter of change having lower odds of burnout. No association was found between cortisol change and post-traumatic stress disorder, anxiety, and depression symptoms. Adding cortisol to individual-occupational-socio-organizational factors noticeably enhanced our burnout logistic regression model's predictability. CONCLUSION: Change in hair cortisol levels predicted burnout at three months in health personnel at the onset of the COVID-19 pandemic. This non-invasive biological marker of the stress response could be used in further clinical or research initiatives to screen high-risk individuals to prevent and control burnout in health personnel facing an important stressor.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».