Evolution of burnout and psychological distress in healthcare workers during the COVID-19 pandemic: a 1-year observational study
Notice bibliographique
Résumé
BACKGROUND: Long-term psychological impacts of the COVID-19 pandemic on healthcare workers remain unknown. We aimed to determine the one-year progression of burnout and mental health since pandemic onset, and verify if protective factors against psychological distress at the beginning of the COVID-19 pandemic (Cyr et al. in Front Psychiatry; 2021) remained associated when assessed several months later. METHODS: We used validated questionnaires (Maslach Burnout Inventory, Hospital Anxiety and Depression and posttraumatic stress disorder [PTSD] Checklist for DSM-5 scales) to assess burnout and psychological distress in 410 healthcare workers from Quebec, Canada, at three and 12 months after pandemic onset. We then performed multivariable regression analyses to identify protective factors of burnout and mental health at 12 months. As the equivalent regression analyses at three months post-pandemic onset had already been conducted in the previous paper, we could compare the protective factors at both time points. RESULTS: Prevalence of burnout and anxiety were similar at three and 12 months (52% vs. 51%, p = 0.66; 23% vs. 23%, p = 0.91), while PTSD (23% vs. 11%, p < 0.0001) and depression (11% vs. 6%, p = 0.001) decreased significantly over time. Higher resilience was associated with a lower probability of all outcomes at both time points. Perceived organizational support remained significantly associated with a reduced risk of burnout at 12 months. Social support emerged as a protective factor against burnout at 12 months and persisted over time for studied PTSD, anxiety, and depression. CONCLUSIONS: Healthcare workers' occupational and mental health stabilized or improved between three and 12 months after the pandemic onset. The predominant protective factors against burnout remained resilience and perceived organizational support. For PTSD, anxiety and depression, resilience and social support were important factors over time.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».