Soutien et résilience : deux leviers à l’engagement du personnel de santé ?
Bibliographic record
Abstract
Depuis plusieurs années, mais particulièrement depuis la pandémie de covid 19, de nombreux membres du personnel de la santé et des services sociaux décrivent des conditions de travail difficiles. Malgré des efforts pour améliorer la situation, le manque de soutien disponible lors de la crise sanitaire a entraîné une vague importante de départs dans le réseau de la santé. Au Québec, plus de 500 préposés aux bénéficiaires, infirmières auxiliaires et infirmières ont quitté leur emploi entre décembre 2021 et janvier 2022. Il semble donc primordial de s’intéresser aux leviers potentiels de l’engagement au travail. En s’appuyant sur des travaux identifiant le soutien organisationnel et la résilience comme de tels leviers et sur la théorie de l’échange social, l’objectif de cette étude est de mettre en relation le soutien organisationnel perçu et l’engagement au travail, en tenant compte de la résilience des travailleurs de la santé au Québec. Dans cette optique, 205 travailleurs de la santé du Québec ont répondu à un questionnaire en ligne composé de trois échelles validées, soit la Perceived Organizational Support Scale pour le soutien organisationnel, la Brief Resilience Scale pour la résilience et la Utrecht Work Engagement Scale Short Questionnaire pour l’engagement au travail. Les analyses de médiation réalisées permettent d’observer une corrélation positive entre le soutien organisationnel perçu et l’engagement au travail ( r = 0,471, p < 0,01) ainsi qu’un effet médiateur de la résilience ( β = 0,386 ; p = 0,000). Ces résultats permettent de proposer des pistes d’intervention pour maximiser l’engagement au travail du personnel de la santé et des services sociaux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".