Workplace factors related to health care leader well‐being in rural settings
Notice bibliographique
Résumé
PURPOSE: To examine which workplace factors contribute to health care leader well-being in rural settings. METHODS: Working with two rurally focused organizations, we administered a Rural Leader Burnout survey to executive leaders. The survey contained 25 questions; 24 were closed-item multiple choice and 1 open-ended question. The survey was based on the Mini Z 10 item burnout survey with 5 additional items for leaders. Logistic regression and qualitative content analysis determined factors associated with job satisfaction, burnout, and intent to leave (ITL). FINDINGS: There were 288 respondents (response rate 22%). Of 272 with complete data, 61.4% were women and 51.8% had worked > 10 years. About 81% reported job satisfaction, 40.2% were burned out, and 49.8% intended to leave their administrative roles within 2 years. Factors statistically associated with satisfaction were work control (OR = 3.0), values alignment with leadership (OR = 2.1), and trust in organization (OR = 2.0). Work control (OR = 0.3), trust in organization (OR = 0.4), and stress (OR = 4.1) were associated with burnout. Trust in organization (OR = 0.5), feeling valued (OR = 0.6), and stress (OR = 1.8) associated with ITL. Qualitative data revealed three themes relevant to rural leaders: (1) industry challenges, (2) daily operational issues, and (3) difficult relationships. CONCLUSIONS: These exploratory analyses demonstrate practical ways to improve work conditions to mitigate burnout and turnover in rural leaders. Promoting thriving in leaders would be an important step in maintaining the rural health care workforce.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».