Burnout and Professional Quality of Life Amongst Crisis Hotline Responders: A Cross-Sectional Survey in Canada During COVID-19
Notice bibliographique
Résumé
Background/Objectives: There is a significant gap in accessibility to mental healthcare in Canada. This study aims to examine the population of Canadian crisis hotline responders and investigate the variables that contributed to burnout and professional quality of life during COVID-19. Crisis hotline responders are hypothesized to be affected by burnout and poor professional quality of life, due to the inherent nature of the job and the widespread negative mental health effects of COVID-19, which are expected to continue even after the pandemic. Methods: An online, cross-sectional, mixed-methods survey assessed sociodemographic information, shift-related variables, burnout and related factors, and current support methods utilized by crisis hotline responders across Canada. The open-ended questions helped to more personally reflect participants’ experiences. Data were analyzed using chi-square tests, an analysis of variance, and a regression analysis. Results: The survey was completed by 136 participants (78.7% female) with an average age of 39.68. Participants reported relatively high levels of burnout/stress on both the Copenhagen Burnout Inventory and professional quality of life survey. Younger age, less work experience, and working overnight shifts emerged as possible predictors of worse mental wellbeing. Conclusions: Findings suggest that Canadian crisis hotline responders require greater support to manage workplace burnout/stress. 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. We offer five recommendations to support the mental wellbeing of 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 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 | 0,005 | 0,006 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».