Thriving or surviving? A latent profile analysis of resilience, psychological wellbeing and professional quality of life in early‐career veterinarians in Canada
Notice bibliographique
Résumé
BACKGROUND: Various adverse mental health outcomes (e.g., burnout) have been reported and shown to impact the longevity of veterinarians' careers, especially during the early career. Both compassion fatigue (CF) and compassion satisfaction (CS) are significant predictors of burnout. Increasing attention is being paid to positive psychology, including psychological wellbeing (PWB) and resilience, as they have the potential to enhance wellbeing in the profession. The objectives of this research were to measure various psychological outcomes of newly graduated veterinarians in Canada and identify underlying profiles based on empirical data. METHODS: An online questionnaire with validated psychometric scales was distributed to graduates of all five Canadian veterinary schools in 2022 and 2023. RESULTS: Latent profile analysis (LPA) (n = 189) revealed two profiles, interpreted as follows: thriving (n = 116; high PWB, CS and resilience, and low burnout and CF) and surviving (n = 73; low PWB, CS and resilience, and high burnout and CF). LIMITATIONS: The sample size was smaller than typically recommended for LPA. CONCLUSION: Our findings revealed that 61% (116/191) of newly graduated veterinarians were considered to have good mental wellbeing or were 'thriving'. Our study amplifies the need for more research on positive wellbeing outcomes and interventions to strengthen veterinary students' and veterinarians' wellbeing.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 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 ».