Emotional Engagement and Caring Relationships: The Assessment of Emotion Regulation Repertoires of Nurses
Notice bibliographique
Résumé
In spite of the importance of emotion regulation for nurses' well-being, little is known about which strategies nurses habitually use, how these strategies combine in order to regulate their emotional distress, and how these are related to their caregiving orientations. The current study aimed to explore the emotion regulation repertoires that characterize health-care providers and to investigate the association between these repertoires and caregiving orientations in a sample of nurses. Firstly, a confirmatory factor analyses was run to test the suitability of the Regulation of Emotion System Survey for the assessment of six emotion regulation strategies among health-care providers. Subsequently, the latent profiles analysis was employed to explore emotion regulation repertoires. Three repertoires emerged: The Average, the Suppression Propensity and the Engagement Propensity profiles. The participants of the last two groups relied on Expressive Suppression and Engagement, respectively, more often than others. Nurses were more likely to be placed within the Engagement Propensity group when compared to the first responders, and higher levels of hyperactivation of the Caregiving System were associated with this repertoire. A greater reliance on Expressive Engagement among nurses was discussed in terms of the fact that nurses usually have a longer and more care-oriented relationships with patients than first responders.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».