A Scoping Review of Burnout Avoidance by Employees During the COVID-19 Pandemic: The Role of Psychological Flow
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Burnout represented a significant employee problem during the COVID-19 pandemic. Experiencing the psychological flow investigated by Csikszentmihalyi might avoid it. Yet, COVID-19 may have contributed to the unattainability of psychological flow for burnout-prone employees. The objective of this study is to determine the COVID-19 achievability of employee flow and, if attained, whether flow resulted in burnout avoidance during the pandemic. Method: This scoping review includes searches of six primary databases (CINAHL, OVID, ProQuest, PubMed, Scopus, Web of Science), two searches of one supplementary database (Google Scholar), and one register (Cochrane COVID-19 register) of the keywords “burnout, COVID-19, employees, healthcare providers, psychological flow, Csikszentmihalyi”. Included are peer-reviewed, COVID-19-related, 2020–2025 journal publications. Excluded are duplicates, non-COVID-19-related publications, reports lacking a research study, keywords, or relevant information. Results: In identifying 754 records, five records met the inclusion criteria. Mental healthcare practitioners, nurses, gig workers, corporate professionals, and working parents were the focus of the studies. Quantitative studies showed statistical significance. Qualitative studies showed promise for psychological flow mitigating burnout. Conclusions: Psychological flow was possible during COVID-19 for various employee types, and attaining it permitted burnout avoidance, suggesting a focus on achieving flow in the workplace during pandemics would diminish the incidence of employee burnout.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle