Educating Nurse Practitioners on Factors Associated with Compassion Fatigue
Notice bibliographique
Résumé
Nurse Practitioners (NPs) across Canada continue to endure the escalating demands of increasing patient workloads, the deficiency of inadequate resources, and the paucity of leadership support. The ongoing exposure to these and other challenges often contributes to a complex work environment that may result in compassion fatigue (CF). CF can be operationally defined as a state of exhaustion and dysfunction because of prolonged exposure to compassion stress and all that it evokes. The need for education and prevention of CF is critical as the prevalence of CF is on the rise. Guided by Watson’s Theory of Human Caring and Benner’s Theory of Novice to Expert, this project was conducted to determine if an educational intervention would increase the NPs knowledge and awareness on the signs and symptoms of CF and healthy coping strategies. NPs were recruited from a convenience sample of NPs belonging to a single acute care organization for this doctoral project and 35 NPs volunteered to participate in the educational intervention. Following a pretest survey, participants reviewed a PowerPoint presentation on educating NPs on the factors associated with CF and completed a posttest survey. A paired t-test indicated an increase in knowledge and awareness among NPs who participated in the educational intervention (t = -14.71, p < 0.001) indicating an increase in knowledge and (t = -50.61, p < 0.001) indicating an increase in awareness in CF. This project contributes to social change as it provides NPs with strategies to reduce and prevent CF clinically. Nurses who are equipped and understand strategies necessary to decrease work-related stress and CF tend to be more successful and can provide safe, competent patient care.
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 | 0,001 | 0,000 |
| 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 | 0,007 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».