The Relationship between Alexithymia, Empathy and Burnout Levels Amongst Intensive Care Nurses During the COVID-19 Pandemic
Notice bibliographique
Résumé
Objective: The study aims to determine the relationship between in intensive care nurses’ alexithymia, empathic tendency, and burnout levels in the COVID-19 pandemic process.Materials and Methods: The cross-sectional and correlational study was conducted with 170 intensive care nurses. Data were collected with Nurse Information Form, Toronto Alexithymia Scale 20, Empathic Tendencies Scale and Maslach Burnout Inventory between February and March 2021 as online.Results: Of the ICU nurses participating in the study, 81.2% were female, mean age were 29.9±6.1 years, 67.6% had bachelor’s degree and 46.5% of them were working in the pandemic ICU. The mean alexithymia was 51.4±10.7 and a quarter of the nurses were alexithymic. Empathic tendencies levels were slightly above average and burnout subdimensions mean were medium. Multiple regression analysis results show that the built regression model is statistically significant (F= 36.4, p< 0.001). Empathy and burnout levels could explain 30% of their alexithymia levels. The ICU nurses’ empathy levels predicted alexithymia levels negatively (β= -0.29, p< 0.001), and burnout levels predicted alexithymia levels positively (β=35, p< 0.001) to a statistically significant degree.Conclusion: It was concluded that intensive care nurses’ the alexithymia scores have a negative correlation with empathic tendencies and a positive correlation with burnout.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».