A Moderated Mediation Analysis of New Work-Related Stressors, Psychological Distress, and Absenteeism in Health Care During a Pandemic
Notice bibliographique
Résumé
OBJECTIVES: We aimed to evaluate the effects of new work-related stressors on psychological distress and absenteeism and the role of recognition in these relationships. METHODS: Moderated path analyses were carried out on a sample of 1128 health care workers. RESULTS: Increased workload related to COVID-19 (coronavirus disease 2019) ( β = 1.511, P ≤ 0.01) and fear of COVID-19 ( β = 0.844, P ≤ 0.01) were directly associated with a higher level of psychological distress and indirectly ( β = 2.306, P ≤ 0.01; and β = 1.289, P ≤ 0.05, respectively) associated with a higher level of absenteeism. Recognition ( β = 0.260, P ≤ 0.001) moderated the association between teleworking and psychological distress. Furthermore, this significant moderation effect had a significant impact on absenteeism ( β = 0.392, P ≤ 0.05). Regardless of the workplace (on site or teleworking), high recognition was beneficial for psychological distress. This effect seems more important when working on site. CONCLUSIONS: The results propose that specific new work-related stressors should be addressed in the context of organizational change (eg, a pandemic).
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».