O-274 HOW DID REMOTE E-WORKING CONDITIONS AFFECT THE MENTAL HEALTH OF HEALTHCARE EMPLOYEES WHO WORKED FROM HOME OR PERFORMED VIRTUAL WORK DURING THE COVID-19 PANDEMIC?
Notice bibliographique
Résumé
Abstract Introduction Use of remote work remains elevated post COVID-19. Understanding how remote working conditions influence mental health can inform appropriately tailored interventions. The objective was to examine the association between remote working conditions and mental health among workers employed in healthcare during the COVID-19 pandemic in Canada. Methods Cross-sectional survey of employees who worked remotely for a regional health authority. Ordinal logistic models adjusted for potential confounders examined the relationship between remote working conditions, measured via the E-Work Life Scale, and mental health outcomes. Results The final analytic sample included 399 respondents. In adjusted models, greater work-life balance while remote working was associated with decreased levels of: anxiety (OR = 0.52, CI: 0.38, 0.71), burnout (OR = 0.27, 95% CI: 0.19, 0.38), and poor self-rated mental health (OR = 0.45, 95% CI: 0.33, 0.62); but not depression. Greater organizational trust was associated with decreased: depression (OR 0.53, 95% CI: 0.37, 0.77), anxiety (OR 0.57, 95% CI: 0.42, 0.79), and poor self-rated mental health (OR 0.53, 95% CI: 0.39, 0.71); but not burnout. Greater flexibility was associated with decreased burnout (OR 0.62, 95% CI: 0.45, 0.85), but not the other mental health outcomes. Productivity was not significantly associated with mental health outcomes. Discussion The findings support a strong association between remote working conditions, particularly, work-life balance and organizational trust, and mental health outcomes. Conclusion Remote working conditions associated with work-life balance and organizational trust may serve as a starting point for the monitoring of remote working conditions and development of mental health supports.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».