Burnout Among Nursing Home Care Aides and the Effects on Resident Outcomes
Notice bibliographique
Résumé
While burnout among health care workers has been well studied, little is known about the extent to which burnout among health care workers impacts the outcomes of their care recipients. To test this, we used a multi-year (2014-2020) survey of care aides working in approximately 90 nursing homes (NHs); the survey focused on work-life measures, including the Maslach Burnout Inventory (MBI) and work-unit identifier. Resident Assessment Instrument Minimum Data Set (RAI-MDS 2.0) data were obtained on all residents in the sampled NHs during this time and included a unit identifier for each resident. We used multi-level models to test associations between the MBI emotional exhaustion and cynicism sub-scales reported by care aides and the resident outcomes of antipsychotics without indication, depressive symptoms, and responsive behaviors among residents on units. In 2019/2020, our sample included 3,547 care aides and 10,117 residents in 282 units. The mean frequency of emotional exhaustion and cynicism across units was 43% and 50%, respectively. While residents frequently experienced antipsychotics without indication 1,852 (18.3%), depressive symptoms 2,089 (20.7%), and responsive behaviors 3,891 (38.5%), none were found to be associated with either emotional exhaustion or cynicism among care aides.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».