MétaCan
Menu
Back to cohort
Record W6969369107 · doi:10.5281/zenodo.8348843

A SÍNDROME DO ESGOTAMENTO EMOCIONAL: COMPREENDENDO O BURNOUT ENTRE OS ENFERMEIROS

2023· article· pt· W6969369107 on OpenAlexaff

Bibliographic record

VenueZenodo (CERN European Organization for Nuclear Research) · 2023
Typearticle
Languagept
FieldHealth Professions
TopicOccupational Health and Burnout
Canadian institutionsAdidas (Canada)
Fundersnot available
KeywordsPopulationPsychological stressPhysical stressBibliotherapy

Abstract

fetched live from OpenAlex

INTRODUÇÃO: A Síndrome de Burnout, também conhecida como Síndrome de Esgotamento Profissional, é uma doença mental que surge após um indivíduo passar por situações estressantes, principalmente no ambiente de trabalho. Burnout é caracterizado por exaustão emocional, despersonalização e redução da realização pessoal. OBJETIVOS: O presente estudo tem como objetivo principal entender como o Burnout afeta a saúde dos enfermeiros. METODOLOGIA: Trata-se de uma revisão de literatura realizada nas bases de dados Scientific Electronic Library Online (SciELO) e Literatura Latino-Americana em Ciências da Saúde (LILACS) utilizando como descritores “Burnout”, “Enfermagem”, “Saúde”. Para análise, os critérios de inclusão foram textos originais e artigos completos publicados nos anos de 2018 a 2023. Selecionou-se 05 artigos e, excluindo os que não dissertam sobre o assunto. RESULTADOS E DISCUSSÃO:Burnout é um problema comum vivenciado por enfermeiros, muitas vezes resultando em exaustão emocional. Esse esgotamento de motivação e energia se deve ao esgotamento dos recursos físicos e emocionais. A exaustão física e emocional é um sintoma comum de esgotamento em enfermeiros devido à natureza do seu trabalho, que pode ser exigente tanto emocional quanto fisicamente. A administração rodoviária, o pessoal inadequado e o apoio de gestão insuficiente também podem contribuir para o esgotamento. É essencial que os enfermeiros reconheçam estes sintomas e procurem ajuda caso estejam a sofrer de esgotamento. Além disso, os sintomas de esgotamento podem incluir distúrbios do sistema imunológico, dores musculares e fadiga. O nível de empatia e ligação emocional exigido pela enfermagem resulta frequentemente em esgotamento e exaustão emocional entre os profissionais. A prevenção e o gerenciamento do esgotamento na enfermagem podem ser alcançados por meio de várias estratégias de enfrentamento, incluindo a busca de apoio social, a prática do autocuidado e a utilização de técnicas de gerenciamento do estresse. Para salvaguardar o bem-estar da enfermagem, as organizações de saúde devem implementar políticas e iniciativas que ajudem a prevenir o esgotamento. Essas medidas podem incluir atividades de formação de equipes, programas de mentoria e programas de assistência aos funcionários. CONCLUSÃO: Portanto, o burnout apresenta um desafio significativo para a profissão de enfermagem, uma vez que, a exaustão emocional, a despersonalização e a redução da realização pessoal definem o esgotamento – uma condição desencadeada por uma combinação de fatores individuais, organizacionais e sociais. Estabelecer metas realistas, cuidar da saúde física e mental e buscar apoio de colegas e supervisores são algumas maneiras pelas quais os enfermeiros podem prevenir o esgotamento. As organizações de saúde devem agir para reduzir o impacto do burnout nos enfermeiros e priorizar formas de prevenir o burnout, além de estratégias como aconselhamento, gestão do stress e coaching de carreira. Ao abordar o esgotamento, os prestadores de cuidados de saúde não só contribuem para melhorar a satisfação profissional e o bem-estar geral dos enfermeiros, mas também promovem melhores resultados para os pacientes.

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 machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.008
metaresearch head score (Gemma)0.020
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.008
Threshold uncertainty score0.041

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0080.020
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.003
Science and technology studies0.0030.004
Scholarly communication0.0050.004
Open science0.0010.005
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0050.001

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.

Opus teacher head0.102
GPT teacher head0.377
Teacher spread0.275 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueZenodo (CERN European Organization for Nuclear Research)Same topicOccupational Health and BurnoutFrench-language works237,207