Burnout in Canadian Physiotherapists during COVID 19 - A National Survey
Notice bibliographique
Résumé
Of 679 responses, the mean age was 46.3 (SD 10.5) years. The majority were female (75%) and 53% had dependents. 94% worked in clinical practice, 41% of whom worked in a general hospital and 24% in private practice. The majority (61%) reported a previous COVID infection. The mean number of reported positive strategies (e.g., hobbies, mental care, and reduced work hours) to manage stress was 2.4 (SD1.6) and 0.9 (SD1.1) for negative strategies (e.g., isolation, junk food consumption, and too much screen time). OLBI exhaustion mean score was 51.8 (SD 17.3) and 47.2 (SD 16.0) for disengagement. Female sex, increased years in practice, reported burnout since COVID, and a lower number of positive and negative habits were predictors of exhaustion, while those who reported burnout since COVID and a lower number of positive and negative habits were predictors of disengagement. 31% reported having a workplace program to manage stress or burnout while others indicated no program or did not know whether a program existed. The objective of this study was to evaluate pandemic-related burnout and engagement in Canadian physiotherapists. As the impacts and consequences of COVID-19 continue and physiotherapists experience workplace stress, more proactive steps are needed to minimize workplace stress and support emotional resilience. We used purposive, snowball sampling to recruit Canadian physiotherapists to complete an online survey. The survey (English and French) was administered between Sept 2022 and Jan 2023 and included questions related to demographic and practice variables, burnout (Oldenburg Burnout Inventory [OLBI]), and burnout features. Multiple regression analysis examined the impact of burnout features on OLBI constructs (exhaustion and disengagement.) Burnout during COVID is significant among physiotherapists with several factors impacting exhaustion and disengagement from work. Several positive strategies to mitigate burnout were reported. However, the majority of physiotherapists did not have access to or did not know about support services at work.
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 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».