Association of workplace bullying and burnout with nurses’ suicidal ideation in Bangladesh
Notice bibliographique
Résumé
Suicidal ideation is a complex phenomenon influenced by several predisposing, contextual, and mediating factors that seem more common among healthcare workers, especially nurses. We investigated the association of bullying and burnout with suicidal ideation among Bangladeshi nurses and identified the associated factors. We conducted a cross-sectional study among 1264 nurses in Bangladesh between February 2021 and July 2021. We applied a modified Poisson regression model with robust error variance to determine the association of bullying and burnout with suicidal ideation. Among 1264 nurses, the female was 882 (70.02%), and the mean age was 28.41 (SD = 5.54) years. The prevalence of high levels of suicidal ideation was 13.26%. In the Poison regression model, high risk bullying (RR = 6.22, 95% CI 3.13-12.38), targeted to bullying (RR = 7.61, 95% CI 3.53-16.38), and burnout (RR = 8.95, 95% CI 2.84-28.20) were found to be significantly associated with suicidal ideation. Furthermore, we found significant interaction between workplace bullying and burnout with suicidal ideation (p < 0.05). The high prevalence of bullying, burnout, suicidal ideation, and their association indicate an unsafe workplace for the nurses. Initiatives are needed to make a favorable work environment to improve nurses' overall mental health and reduce suicide ideation.
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 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».