Predictors of burnout, compassion fatigue, and compassion satisfaction experienced by community health workers offering maternal and infant services in New York State
Notice bibliographique
Résumé
Although burnout has been increasingly well studied among medical (nurses, physicians, residents) and mental health providers (psychologists, psychiatrists, social workers), there continues to be a lack of attention on the well-being of community-based providers, such as Community Health Workers (CHWs), within the United States. Using cross-sectional data from 75 CHWs employed in 14 agencies funded through the Maternal and Infant Community Health Collaboratives Initiative (MICHC) in New York, our study examined predictors (anxiety, physical health, adverse childhood experiences, job satisfaction, role certainty, demographic and work characteristics) of burnout, compassion fatigue (CF) and compassion satisfaction (CS). Descriptive statistics were used to characterize our sample and linear regression was employed to investigate the correlates of burnout, CF and CS. Results indicated that CHWs with higher levels of anxiety and lower job satisfaction were more likely to have higher burnout scores. CHWs with higher levels of anxiety, lower job satisfaction and fewer days of poorer health were more likely to report higher CF. Those who worked more than 35 h per week were less likely to report higher CS. The study provides recommendations for organizational-level interventions to address risk factors of burnout and CF and promote CS among CHWs, such as bolstering supervision, encouraging greater communication, offering recognition/appreciation of CHWs and creating opportunities for self-care. Findings should be considered when designing organizational-level preventive measures that mitigate burnout and CF and promote CS.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,004 |
| 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 ».