Meta-Analysis: The Effects of Workload and Social Support on Burnout in Health Workers
Notice bibliographique
Résumé
Background: Burnout is a psychological syndrome of exhaustion, cynicism and ineffectiveness at work. Some factors causing burnout are workload and family support. The existence of a high workload can increase the incidence of burnout and high social support can prevent burnout in health workers. This study aims to estimate the effect of workload and social support on burnout in health workers. Subjects and Method: A systematic review and meta-analysis was carried out using the PRISMA guidelines and the PICO model covering Population = health workers; Intervention = high workload and high social support; Comparison = low workload and low social support; Outcome = burnout. Articles were collected from databases such as PubMed, Science Direct, and Google Schoolar. The keywords used in the database search were workload AND "social support" AND burnout OR fatigue AND "health workers" AND "cross sectional".A total of 12 articles met the inclusion criteria for the meta-analysis and were assessed using RevMan 5.3. Results: Meta-analysis from France, Afghanistan, Canada, Uganda, Ghana, Ethiopia, Malawi, Brazil, Malaysia and China showed that high workloads can increase burnout in health workers (aOR= 2.37; 95% CI= 1.10 to 5.10; p = 0.003), high social support can reduce the risk of burnout in health workers (aOR= 0.54; 95% CI= 0.42 to 0.71; p= 0.001), and these results were statistically significant. Conclusion: High workload can increase burnout among health workers and high social support can reduce the risk of burnout in health workers. Keywords: workload, social support, burnout, health workers
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».