The moderating role of different forms of empathy on the association between performing animal euthanasia and career sustainability
Notice bibliographique
Résumé
Abstract Veterinarian work may take an emotional toll on practitioners and their mental health, potentially driving premature exit from the profession. Performing animal euthanasia is frequently identified as a potential risk factor for sustainable mental health. Yet, research has demonstrated mixed results between euthanasia performance and detrimental mental health outcomes, suggesting the potential for factors that moderate this association. In this three‐wave longitudinal survey study, including 110 currently practicing veterinarians (88% female), we examined whether the type of empathy experienced by these practitioners plays a role in the association between performing animal euthanasia and career sustainability. Two types of empathy, cognitive empathy (i.e., understanding the affective experience of another) and emotional empathy (i.e., experiencing another's emotional state) were assessed. Job disengagement at 12 months was predicted by the interaction between animal euthanasia frequency in the past 12 months and emotional empathy in the past 6 or 12 months. Perceived resilience at 12 months was predicted by the interaction between animal euthanasia frequency in the past 12 months and emotional empathy a year prior. For these outcomes, the effects of performing animal euthanasia on career sustainability were moderated by emotional empathy. Higher levels of emotional empathy were associated with worse outcomes. Veterinarians may seek to understand the affective experience of the client or patient and provide compassionate care in a sustainable way. However, they should do so while avoiding the costs of emotional empathy. This work has implications for veterinarian training to support career sustainability.
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) | 0,000 | 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 | 0,001 |
| 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 ».