MétaCan
Menu
Retour à la cohorte
Enregistrement W4408982522 · doi:10.2196/70640

Limited Moderating Effect of Podcast Listening on Work Stress and Emotional Exhaustion Among Nurses During the COVID-19 Pandemic: Cross-Sectional Study

2025· article· en· W4408982522 sur OpenAlexvenueno aff
Lu Li Jung

Notice bibliographique

RevueJMIR Nursing · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PsychologyPandemicActive listeningCross-sectional studyStress (linguistics)BurnoutPreprint2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Clinical psychologyMedicineCommunicationVirologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic placed unprecedented pressure on health care systems worldwide, significantly impacting frontline health care workers, especially nurses. These professionals faced considerable psychological stress from caring for patients with COVID-19 and the fear of spreading the virus to their families. Studies report that more than 60% (132/220) of nurses experience anxiety, depression, and emotional exhaustion, which adversely affect their mental health and the quality of care they provide. OBJECTIVE: This study aimed to investigate the relationship between work-related stress and emotional exhaustion among nurses and to assess whether listening to podcasts moderates this association. METHODS: A cross-sectional online survey was conducted between March 1, 2023, and March 31, 2023. A total of 271 clinical nurses, aged 20 years to 65 years, were recruited for the study. Participants were divided into 2 groups: experimental group consisting of regular podcast listeners (n=173) and control group comprising nonlisteners (n=98). Ethical approval for this study was obtained from the local ethics committee (IRB number YGHIRB20230421B). Validated scales were used to measure work stress, emotional dissonance, and emotional exhaustion. Data analysis included descriptive statistics, independent t tests, and structural equation modeling to examine the relationships between variables. RESULTS: No statistically significant differences were found between the experimental and control groups in terms of overall work stress (mean difference=-0.09, 95% CI -0.31 to 0.13; P=.42) or emotional exhaustion (mean difference=0.07, 95% CI -0.15 to 0.29; P=.53). Emotional dissonance emerged as a significant predictor of emotional exhaustion in both the experimental (β=0.476, P<.001) and control (β=0.321, P=.01) groups. Nurses reporting higher workloads had significantly higher emotional exhaustion levels (experimental group: β=0.302, P<.001; control group: β=0.327, P=.002). Podcast listening demonstrated only a slight, nonsignificant moderating effect. CONCLUSIONS: Although podcasts alone may not significantly reduce work stress or emotional exhaustion among nurses, there was a potential, albeit limited, moderating effect of podcasts on emotional well-being. They could serve as a supplementary tool for emotional support. However, broader and more comprehensive interventions are required to address the underlying causes of stress and emotional exhaustion in this population. More in-depth exploration and recommendations are possible by analyzing the content and patterns of listening. Further research is needed to examine the long-term benefits of integrating podcasts with other digital tools for holistic stress management in health care settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,460
Écart entre enseignants0,402 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR NursingMême sujetCOVID-19 and Mental HealthTravaux en français237 207