MétaCan
Menu
Retour à la cohorte
Enregistrement W1982994214 · doi:10.1108/14717794200800013

Moral distress: an emerging problem for nurses in long-term care?

2008· article· en· W1982994214 sur OpenAlexaff
Em M. Pijl, Brad Hagen, C Armstrong-Esther, Barry Hall, Lindsay Akins, Michael Stingl

Notice bibliographique

RevueQuality in Ageing and Older Adults · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensUniversity of CalgaryUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésDistressNursingPsychologyPopulationWork (physics)Population ageingHealth professionalsHealth careMedicinePsychotherapistPolitical science

Résumé

récupéré en direct d'OpenAlex

Nurses and other professional caregivers are increasingly recognising the issue of moral distress and the deleterious effect it may have on professional work life, staff recruitment and staff retention. Although the nursing literature has begun to address the issue of moral distress and how to respond to it, much of this literature has typically focused on high acuity areas, such as intensive care nursing. However, with an ageing population and increasing demand for resources and services to meet the needs of older people, it is likely that nurses in long-term care are going to be increasingly affected by moral distress in their work. This paper briefly reviews the literature pertaining to the concept of moral distress, explores the causes and effects of moral distress within the nursing profession and argues that many nurses and other healthcare professionals working with older persons may need to become increasingly proactive to safeguard against the possibility of moral distress.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,502
Écart entre enseignants0,397 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuality in Ageing and Older AdultsMême sujetEthics in medical practiceTravaux en français237 207