Predicting well-being among military health care workers: The role of self-care and leadership
Notice bibliographique
Résumé
Introduction: U.S. military health care workers were surveyed regarding individual and organizational factors that might promote professional well-being. Relevant factors can be used as a blueprint for supportive interventions. Methods: Military health care workers from two military treatment facilities were surveyed (N = 204). Individual (i.e., self-care attitudes and behaviours) and organizational (i.e., health-promoting leadership) factors were assessed at baseline, and compassion fatigue, burnout, and effective functioning were assessed at three-month follow-up. Path mediation models assessed 1) the role of self-care behaviours in predicting well-being, 2) the degree to which self-care behaviours mediated the relationship between self-care attitudes and well-being, and 3) whether self-care behaviours mediated the relationship between health-promoting leadership and well-being. Results: The majority (98.5%) of participants regularly engaged in at least one self-care behaviour, and more than half (56.0%) indicated their leaders engaged in at least one health-promoting leadership behaviour sometimes or more frequently. Most respondents (79.0%) reported functioning at, or near, their best; 17.0% scored above cut-off on burnout, and 9.0% scored above cut-off on compassion fatigue. Self-care behaviours independently predicted professional well-being over time, and self-care attitudes indirectly predicted professional well-being through their influence on self-care behaviours. Health-promoting leadership independently predicted self-care behaviours and professional well-being over time. Discussion: Self-care behaviours are associated with better outcomes, and these behaviours are rooted in attitudes. Health-promoting leadership was directly correlated with less compassion fatigue and burnout. A productive self-care mindset and the right climate are critical for optimizing health care worker well-being in the military setting.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».