Examining the quality of work-life of paramedics in northern Ontario, Canada: A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Paramedics are exposed to multiple stressors in the workplace. They are more likely to develop occupational-related stress conditions compared to other occupations. This study focused on understanding the factors affecting QoWL of paramedics in northern Ontario, Canada; a particular focus was on understanding the personal and organizational factors, such as practicing community paramedicine (CP), which may be associated with Quality of Work Life (QoWL). METHODS: Paramedic QoWL was assessed using an online survey that was distributed to approximately 879 paramedics across northern Ontario. The survey included the 23-Item Work- Related Quality of Work Life Scale. Data analysis involved linear regressions with nine predictor variables deemed to be related to QoWL for paramedics with QoWL and its six subscales as dependent variables. Multiple linear regressions were used to assess the personal and organizational factors, such as practicing of CP, which predicted QoWL. RESULTS: One hundred and ninety-seven paramedics completed the questionnaire. Overall, the mean QoWL score of all paramedic participants was 73.99, and this average compared to relevant published norms for other occupations. Factors that were most associated with higher QoWL were, experience practicing CP (p < 0.05), number of sick days/year (p < 0.01), and higher self- rated mental health (p < 0.001). CONCLUSIONS: Higher paramedic QoWL appears to be associated with many factors such as number of sick days per year, self-rated mental health, and participation in CP. EMS organizations should consider establishing necessary workplace health promotion strategies that are targeted at improving QoWL for paramedics.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».