Assessing the magnitude of burnout among emergency nurses in Portugal
Notice bibliographique
Résumé
Background: Burnout is a health condition associated with chronic work-related stress. Nurses working in hospital emergency rooms are particularly susceptible to experiencing burnout. It is crucial to understand the phenomena of burnout among emergency room nurses, particularly in light of the COVID-19 pandemic that healthcare professionals have confronted. This study aims to evaluate burnout among nurses working in emergency rooms while examining the relationship between burnout and sociodemographic and occupational variables. Methods: This descriptive, observational, and cross-sectional study utilized a web-based survey administered to 112 nurses from eight hospital emergency rooms in the Lisbon metropolitan area between November 2022 and February 2023. Burnout was measured using the Portuguese version of the Maslach Burnout Inventory (MBI), which assessed three subscales: Emotional Exhaustion (EE), Depersonalization (DP), and Personal Accomplishment (PA). The relationship between burnout and sociodemographic and professional characteristics of nurses in emergency rooms was analyzed using Chi-square tests and one-way ANOVA. Results: The prevalence of burnout was 56.6%, with 27.4% experiencing severe burnout. The three subscales of the MBI showed high prevalence rates: 49.1% for EE, 44.6% for DP, and 38.4% for low PA. Severe burnout and high EE were associated with younger age, being single, not having children, having less professional experience, less graduate training, and having more precarious employment contracts. Conclusions: Three years after the onset of the COVID-19 pandemic, the results highlight the ongoing critical situation arising from the cumulative effects of the crisis on the Portuguese healthcare system, leading to high rates of burnout and EE among emergency room nurses.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».