Burnout among public health workers in Canada: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: This study presents the prevalence of burnout among the Canadian public health workforce after three years of the COVID-19 pandemic and its association with work-related factors. METHODS: Data were collected using an online survey distributed through Canadian public health associations and professional networks between November 2022 and January 2023. Burnout was measured using a modified version of the Oldenburg Burnout Inventory (OLBI). Logistic regressions were used to model the relationship between burnout and work-related factors including years of work experience, redeployment to pandemic response, workplace safety and supports, and harassment. Burnout and the intention to leave or retire as a result of the COVID-19 pandemic was explored using multinomial logistic regressions. RESULTS: In 2,079 participants who completed the OLBI, the prevalence of burnout was 78.7%. Additionally, 49.1% of participants reported being harassed because of their work during the pandemic. Burnout was positively associated with years of work experience, redeployment to the pandemic response, being harassed during the pandemic, feeling unsafe in the workplace and not being offered workplace supports. Furthermore, burnout was associated with greater odds of intending to leave public health or retire earlier than anticipated. CONCLUSION: The high levels of burnout among our large sample of Canadian public health workers and its association with work-related factors suggest that public health organizations should consider interventions that mitigate burnout and promote recovery.
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 | 0,019 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».