Trajectories of Well‐Being and Burnout Among Health and Social Services Community Workers During the COVID‐19 Pandemic: A Longitudinal Study of Job Demands and Resources
Notice bibliographique
Résumé
Health and social services nonprofit workers face important occupational challenges that were exacerbated by the COVID-19 pandemic and that may have impacted their psychological health during that time. In Quebec, Canada, many of these workers are employed in community-based organizations providing essential services to vulnerable populations. This longitudinal study examined the temporal evolution of well-being and burnout, as well as their associated predictors, among health and social services community workers across three time points: November 2019 to January 2020 (Time 1), June to September 2020 (Time 2), and January to March 2021 (Time 3). Findings revealed significant decreases in well-being and increases in burnout over time. Reduced opportunities to use one's strengths at work was associated with declining well-being, while increased overcommitment was associated with rising burnout. Contrary to expectations, perceived workload and dissatisfaction with pay decreased during the pandemic. Similarly, higher baseline resources and demands were unexpectedly associated with a greater decline in well-being and increase in burnout. This is one of the few studies to have longitudinally examined the well-being and burnout of health and social services community workers. The results show that, among these workers in Quebec, in a crisis situation such as COVID-19, well-being decreases while exhaustion increases. Strengths used at work and overcommitment seem to be important variables to consider in explaining these results, and such insights can be used for developing targeted interventions to support the psychological health of these essential workers.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».