MétaCan
Menu
Retour à la cohorte
Enregistrement W4382398043 · doi:10.1186/s12913-023-09731-x

Relationship between three aspects of resilience—adaptive characteristics, withstanding stress, and bouncing back—in hospital workers exposed to prolonged occupational stress during the COVID-19 pandemic: a longitudinal study

2023· article· en· W4382398043 sur OpenAlexafffund
Robert Maunder, Benjamin Rosen, Natalie D. Heeney, Lianne Jeffs, Jane Merkley, Kate Wilkinson, Jonathan Hunter, Jennie Johnstone, Rebecca Greenberg, Lesley Wiesenfeld

Notice bibliographique

RevueBMC Health Services Research · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensLunenfeld-Tanenbaum Research InstituteUniversity of TorontoSinai Health System
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)PandemicNursing researchHealth administrationHealth informaticsResilience (materials science)2019-20 coronavirus outbreakPsychological resiliencePublic healthSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Occupational stressStress (linguistics)VirologyNursingClinical psychologyPsychologyInternal medicineOutbreak

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The term resilience is used to refer to multiple related phenomena, including: (i) characteristics that promote adaptation to stressful circumstances, (ii) withstanding stress, and (iii) bouncing back quickly. There is little evidence to understand how these components of resilience are related to one another. Skills-based adaptive characteristics that can respond to training (as opposed to personality traits) have been proposed to include living authentically, finding work that aligns with purpose and values, maintaining perspective in the face of adversity, managing stress, interacting cooperatively, staying healthy, and building supportive networks. While these characteristics can be measured at a single time-point, observing responses to stress (withstanding and bouncing back) require multiple, longitudinal observations. This study's aim is to determine the relationship between these three aspects of resilience in hospital workers during the prolonged, severe stress of the COVID-19 pandemic. METHODS: We conducted a longitudinal survey of a cohort of 538 hospital workers at seven time-points between the fall of 2020 and the spring of 2022. The survey included a baseline measurement of skills-based adaptive characteristics and repeated measures of adverse outcomes (burnout, psychological distress, and posttraumatic symptoms). Mixed effects linear regression assessed the relationship between baseline adaptive characteristics and the subsequent course of adverse outcomes. RESULTS: The results showed significant main effects of adaptive characteristics and of time on each adverse outcome (all p < .001). The size of the effect of adaptive characteristics on outcomes was clinically significant. There was no significant relationship between adaptive characteristics and the rate of change of adverse outcomes over time (i.e., no contribution of these characteristics to bouncing back). CONCLUSIONS: We conclude that training aimed at improving adaptive skills may help individuals to withstand prolonged, extreme occupational stress. However, the speed of recovery from the effects of stress depends on other factors, which may be organizational or environmental.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,241
Tête enseignante GPT0,499
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetResilience and Mental HealthTravaux en français237 207