Moral Distress, Burnout, Turnover Intention, and Coping Strategies among Korean Nurses during the Late Stage of the COVID-19 Pandemic: A Mixed-Method Study
Notice bibliographique
Résumé
The COVID-19 pandemic has exacerbated the difficulties nurses face, resulting in higher turnover rates and workforce shortages. This study investigated the relationships between nurses' moral distress, burnout, and turnover intention during the last stage of the COVID-19 pandemic. It also explored the coping strategies nurses use to mitigate moral distress. Utilizing a mixed-method approach, this study analyzed data from 307 nurses caring for patients with COVID-19 in acute care hospitals through an online survey conducted in November 2022. Our data analysis encompassed quantitative methods, including descriptive statistics and path analysis, using a generalized structural equation model. For the qualitative aspect, we examined open-ended responses from 246 nurses using inductive content analysis. The quantitative findings revealed that nurses' moral distress had a significant direct effect on turnover intention. In addition, burnout significantly mediated the relationship between moral distress and turnover intention. Qualitative analyses contextualized the relationships uncovered in the quantitative analyses. The qualitative analysis identified various positive and negative coping strategies. Positive strategies included a commitment to minimize COVID-19 transmission risks, adopting a holistic approach amidst the challenges posed by the pandemic, voicing concerns for patient safety, engaging in continuous learning, and prioritizing self-care. Conversely, negative strategies involved adopting avoidance behaviors stemming from feelings of powerlessness and adopting a passive approach to one's role. Notably, some participants shifted from positive to negative coping strategies because of institutional barriers and challenges. The findings underscore the importance for hospital administrators and nurse managers to acknowledge the impact of the pandemic-related challenges encountered by nurses and recognize the link among moral distress, burnout, and turnover intention. It highlights the essential role of organizational and managerial support in fostering effective coping strategies among nurses to address moral distress.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».