Consequences of vicarious traumatization among mental health service providers with a history of child maltreatment: A narrative review.
Notice bibliographique
Résumé
OBJECTIVE: This narrative review synthesizes existing literature evaluating the psychological and physiological impacts of vicarious trauma (VT), secondary traumatic stress (STS), and compassion fatigue (CF) in mental health providers (MHPs) with a personal history of childhood maltreatment. It also evaluates the impact of MHP childhood maltreatment history on the risk for developing VT, STS, and CF. METHOD: We conducted electronic database searches and forward and backward citation chaining to identify relevant articles. We extracted and synthesized data via iterative readings of each article, and then grouped articles into key thematic areas. RESULTS: We synthesized 10 studies. The studies identified a variety of psychological consequences of STS, CF, and VT, including increased risk of burnout, disruptions in cognitions, and altered worldviews. No studies examined the physiological consequences of STS, CF, or VT, highlighting a significant research gap. Nine of the 10 studies evaluated child maltreatment as a risk factor for STS, CF, or VT, with only five of these nine finding an association. CONCLUSION: Prevalence of maltreatment, especially emotional abuse and neglect, is high in the MHP population and may contribute to ongoing vulnerability to STS, CF, and VT. Childhood exposure to sexual abuse could have implications for MHPs' own intimate relationships. Studies with sample sizes capable of explicating the role of each type of child maltreatment for STS, CF, or VT among MHPs are needed. In addition, it would be prudent to regularly collect data on STS, CF, and VT experiences alongside physiological and psychological outcomes among the MHP workforce. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».