Soutien et résilience : deux leviers à l’engagement du personnel de santé ?
Notice bibliographique
Résumé
Depuis plusieurs années, mais particulièrement depuis la pandémie de covid 19, de nombreux membres du personnel de la santé et des services sociaux décrivent des conditions de travail difficiles. Malgré des efforts pour améliorer la situation, le manque de soutien disponible lors de la crise sanitaire a entraîné une vague importante de départs dans le réseau de la santé. Au Québec, plus de 500 préposés aux bénéficiaires, infirmières auxiliaires et infirmières ont quitté leur emploi entre décembre 2021 et janvier 2022. Il semble donc primordial de s’intéresser aux leviers potentiels de l’engagement au travail. En s’appuyant sur des travaux identifiant le soutien organisationnel et la résilience comme de tels leviers et sur la théorie de l’échange social, l’objectif de cette étude est de mettre en relation le soutien organisationnel perçu et l’engagement au travail, en tenant compte de la résilience des travailleurs de la santé au Québec. Dans cette optique, 205 travailleurs de la santé du Québec ont répondu à un questionnaire en ligne composé de trois échelles validées, soit la Perceived Organizational Support Scale pour le soutien organisationnel, la Brief Resilience Scale pour la résilience et la Utrecht Work Engagement Scale Short Questionnaire pour l’engagement au travail. Les analyses de médiation réalisées permettent d’observer une corrélation positive entre le soutien organisationnel perçu et l’engagement au travail ( r = 0,471, p < 0,01) ainsi qu’un effet médiateur de la résilience ( β = 0,386 ; p = 0,000). Ces résultats permettent de proposer des pistes d’intervention pour maximiser l’engagement au travail du personnel de la santé et des services sociaux.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».