Compassion Fatigue and Coping Mechanisms of Laboratory Animal Professionals from Europe, China, and Japan
Notice bibliographique
Résumé
Laboratory animal professionals (LAP) may experience situations that contribute to compassion fatigue (CF). The goal of this research was to better understand CF in LAP in and across employment categories. Surveys were distributed through LAP organizational listservs in the European Union (EU), China, and Japan, and results were analyzed to identify CF prevalence, personal and work-related factors, coping mechanisms, and beneficial work-support programs. Independent χ 2 -tests compared personal and work-related factors and feelings of CF. Feelings of CF and coping mechanisms were compared with personality scores using independent sample t tests. There were 302 respondents from the EU, 39 from China, and 77 from Japan. Over half of respondents from the EU (52%) and China (56%) reported experiencing CF (52%), with fewer (32%) reporting CF in Japan. No major differences were found based on employer type. Personality scores were significantly related to feelings of CF and preferred coping mechanisms. Work-related factors that contributed to feelings of CF in over half of respondents included staffing levels, workplace relationships, and availability of programs geared to address CF. Across regions, talking to someone, physical activity, getting away from work, and self-care were effective coping mechanisms in over 50% of respondents. Fewer than 30% of respondents indicated that their place of employment had CF support programs, and even fewer (8% to 28%) indicated that these programs were helpful. The study results suggest that to be effective, employer CF programs for LAP should consider providing quiet places at work and programs for self-care, promoting physical and mental health and social support systems, and establishing opportunities to memorialize animals.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».