Comparison of Alexithymia and Burnout Amid Perceived Stress Levels of Nursing Students
Notice bibliographique
Résumé
Graduate level nursing students are exposed to overload and exhaustion due to academic and professional demands, increasing exposure to stressors resulting in elevated levels of perceived stress, burnout, and alexithymia. This quantitative research, utilizing an online methodology at a midwestern university, explored the prevalence of perceived stress, compassion satisfaction (CS), compassion fatigue (CF), burnout, and alexithymia among master’s level nursing students. The descriptive analysis utilized the Pearson correlation coefficient (Pearson r) by use of the Perceived Stress Scale (PSS-10), the Professional Quality of Life Scale (ProQOL), and the Toronto Alexithymia Scale (TAS-20). The researcher discovered statistically significant negative correlations between CS and CF r(49) = -.43, p =.01, CF and TAS-20 r(49) = -.50, p =.01, CF and difficulty identifying feelings (DIF) r(49) = -.56, p =.01, and PSS and burnout r(49) = -.44, p =.01. Statistically significant positive correlations were noted between CF and burnout r(49) = .49, p =.01, CS and TAS-20 r(49) = .45, p =.01, CS and difficulty identifying feelings (DIF) r(49) = .49, p =.01, difficulty describing feelings (DDF) and DIF r(49) = .60, p =.01, and PSS and TAS-20 r(49) = .52, p=.01. Elevated levels of perceived stress appeared to be the most prevalent finding among participants of the study. Future research should include an international study among academic centers to promote student and faculty recognition and management of stress, burnout, and alexithymia. The comprehension could improve student health and attrition rates, therefore improving retention rates.\nCohort XX
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».