Burnout among Health Care Workers during COVID-19: An Applied Study at King Abdulaziz Hospital in Al Ahsa
Notice bibliographique
Résumé
The objective of this study was to measure burnout prevalence among health care workers at KAH during the COVID-19 pandemic. The method applied in this study was a descriptive quantitative approach. We collected the data via self-assisted online survey utilizing the Copenhagen Burnout Inventory (CBI), a reliable instrument to measure burnout by investigating its three subdomains: personal, work-related and client-related. The results came out from this study were that: 244 HCWs completed the questionnaire. The mean of total burnout, personal burnout, work-related burnout, and client-related burnout score was 55.89 (SD 19.8), 64.8 (SD 22.16), 57.6 (SD 21.05) and 45.18 (SD 24.54), respectively. Factors that contributed to the increased levels of burnout included: younger age, female gender, the nursing profession, fewer years of experience, extended working hours per shift, fewer off days per month, fewer hours of sleep per night, increased workload, prolonged contact with COVID-19 cases, frequent change in regular job duties and the higher perceived psychological impact of the pandemic. The study concluded that healthcare workers at KAH experienced high rates of personal burnout and work-related burnout during the COVID-19 pandemic. Therefore, institutional intervention to address burnout was deemed necessary.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».