Care-related regret in the intensive care unit and its association with burnout and intention to change profession: A survey study
Notice bibliographique
Résumé
BACKGROUND: Intensive care unit (ICU) healthcare workers (HCWs) face burnout and retention challenges. We hypothesized that care-related regret may contribute. This study aimed to investigate the relationship between care-related regret, burnout, and turnover intention among ICU HCWs, and to identify associated risk and protective factors. METHODS: A survey was sent to 360 HCWs in four ICUs to measure regret intensity (Regret Intensity Scale-10), coping strategies (Regret Coping Scale), burnout (Copenhagen Burnout Inventory), and turnover intention. Analyses were stratified by profession, and regression models examined associations between regret, burnout, and turnover intention. RESULTS: A total of 158 HCWs (92 nurses; 66 physicians; 62 % female) participated. Nurses and physicians reported similar regret events in the last month (median: 3[IQR: 2-5]). Nurses presented higher regret intensity than physicians (32[27-36] vs. 27 [23-33], p < 0.01). The main cause of regret was futility of care (43 % of respondents). Nurses had higher burnout scores than physicians: personal- (67[54-83] vs. 54[38-63]), work- (64[48-79] vs. 46[25-57]), and patient-related (50[33-64] vs. 33[17-46]) burnout (p < 0.01) and considered quitting more frequently (45 % vs. 11 %, p < 0.01). In multivariable analyses, regret intensity was associated with all burnout subdomains. Maladaptive regret coping strategies were associated with both personal- and patient-related burnout. Perceived futility of care was associated with patient-related burnout. Regret intensity tended to be associated with turnover intention, but this was non-significant. CONCLUSIONS: Regret among ICU HCWs is related to futility of care and associated with burnout. Identifying regret may be a valuable strategy to mitigate burnout and improve retention in ICU 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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».