Effects of workplace incivility and workload on nurses’ work attitude: The mediating effect of burnout
Notice bibliographique
Résumé
AIM: The study's aim was to examine how workplace incivility and workload influence nurses' work attitudes (turnover intention, job satisfaction, and organizational commitment) using the stress-strain-outcome framework. BACKGROUND: There is a lack of comprehensive research on the combined effects of workplace incivility and workload on nurses' work attitudes. INTRODUCTION: Two workplace stressors, incivility and workload, were hypothesized to lead to burnout, which in turn influences nurses' work attitudes. METHODS: A cross-sectional, descriptive correlational study was conducted. Survey data were collected from 1,255 direct care nurses with a minimum of 6 months' nursing experiences in 34 general hospitals across Korea. Structural equation modeling was used to test the hypothesized model. This study is reported using the STROBE checklist. RESULTS: As hypothesized, both workplace incivility and workload increased burnout. Heightened burnout correlated with increased turnover intention, lowered job satisfaction, and reduced organizational commitment. While workplace incivility impacted these outcomes both directly and indirectly via its effect on burnout, workload influenced the outcomes solely through burnout. CONCLUSION: The study's findings are based on one, nonrandomized sample of nurses working at South Korean hospitals. Despite such study limitations, the study findings support the adverse impact of two workplace stressors on burnout and nurses' work attitudes. IMPLICATIONS FOR NURSING: Evidence-informed interventions for both workplace stressors include training programs, clear policy guidelines, open communication channels, and supportive work environments. IMPLICATIONS FOR NURSING AND HEALTH POLICY: Zero tolerance and equity, diversity and inclusivity policies to promote workplace civility must be enforced. Workload needs to be patient-centered, ensuring a "fit" between patient needs and nurse staffing.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».