Burnout Amongst Crisis Hotline Responders: A National Cross-Sectional Survey in Canada During COVID-19
Notice bibliographique
Résumé
Introduction: There is a significant gap in accessibility to mental health care in Canada, worsened by various factors including rurality. Therefore, an important resource is crisis hotlines. Responders are hypothesized to be affected by the occupational phenomenon of burnout, partly due to the inherent nature of the job and partly due to the widespread negative mental health effects of the COVID-19 pandemic. Difficulties for crisis hotlines is expected to continue due to the ongoing fallout from the pandemic and from increased awareness of the Canada Suicide Prevention Line after introduction of a new 3-digit (9-8-8) number. This manuscript aims to characterize the population of Canadian crisis hotline responders and investigate the variables that contributed to burnout during COVID-19.; Methods: An online questionnaire assessed sociodemographic information, shift related variables, burnout, and current support methods utilized by crisis hotline responders across Canada. A qualitative component was also included to reflect participants’ experiences; Results: The cross-sectional assessment was completed by 136 participants. During COVID-19 Canadian crisis hotline responders reported relatively high levels of burnout/stress on both the Copenhagen Burnout Inventory and Professional Quality of Life Survey. Younger age emerged as the sole predictor of greater burnout amongst the variables we studied. The normal limitations of a cross-sectional survey apply. The COVID-19 pandemic may have affected the generalizability through several factors.; Conclusions: Findings suggest that Canadian crisis hotline responders, especially younger ones, require greater support to manage workplace burnout. Nevertheless, conducting comprehensive studies during times when there are no public health emergencies are warranted to understand the full scope of burnout in this population.; Recommendations: Based on our data, we offer 5 recommendations to mitigate the risk of burnout for responders and improve access to this important public health resource.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».