Burnout and secondary traumatic stress in medical-surgical nursing
Notice bibliographique
Résumé
Day to day care of patients throughout the continuum of life puts nurses at risk for burnout and secondary traumatic stress (STS). This mixed-methods study explores Medical-Surgical (MS) nursing burnout, STS, and support from professional nursing organization leadership and membership perspectives. Seventy-two nurses were recruited from a nursing organization website and surveyed to provide demographic and Professional Quality of Life Scale Version 5 (ProQOLv5) data. After quantitative data collection, nurse respondents were asked if they would like to participate in a Zoom interview. Qualitative data was derived from in-depth interviews of six medical-surgical nurses and free-text responses from three other participants. The nurses interviewed provided detailed personal definitions of burnout, which led to the identification of themes of “awareness” and “triggers: fueling the fire of burnout,” and also exposed the fluctuating nature of burnout. Participants defined STS as “invasiveness into one’s life” and reflected on the impact that it can have both personally and professionally. Despite the fluctuating nature of burnout and the invasiveness of STS, the nurses interviewed revealed a passion for nursing that served as a driving force for the day-to-day struggle, affirming, “I am a med-surg nurse.” Overcoming burnout and STS lead nurses to “lessons learned: I did not know what I did not know,” which focused on personal and professional growth and development. An overarching theme of “dream vs. reality” captures these stabilizing and destabilizing forces at play in bedside MS nursing.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| 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 ».