Risk communication with nurses during infectious disease outbreaks: Learning from SARS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: To identify gaps in risk communication during public health emergencies as identified by nurses who worked in critical and emergency care hospital units during the Severe Acute Respiratory Syndrome (SARS) outbreak in Canada.Design: This research is part of a larger multimethod study of the psychosocial impacts of the SARS outbreak in Canada for healthcare workers. For this qualitative analysis of risk communication, focus groups were conducted in four Canadian cities using purposive sampling to study perspectives of frontline critical care and emergency department nurses. Covello’s (2003) model of best practices in risk communication is applied to assess specific areas in which risk communication gaps were identified by nurses interviewed in the focus groups.Setting: Five focus groups held in four Canadian cities: Halifax, Ottawa, Toronto, Vancouver.Participant/Data: n _ 100 participated in focus groups in four urban communities.Results: During the SARS outbreak in 2003, high levels of uncertainty, lack of trust, and questions about leadership credibility emerged as important risk communication challenges. Communication problems were compounded by a lack of reliable information, frequent changes in infection control guidelines and risk avoidance messages, as well as contradictory actions of management and senior leaders.Conclusions: Risk communication constitutes an important component of any emergency protocol. This study of nurses working in emergency and critical care hospital settings during the 2003 SARS outbreak indicates key areas in which risk communication could be more efficient to address nurses’ concerns related to managing uncertainty, occupational health and safety, and employee quality of life. Recommendations useful for planning of any pandemics including H1N1 are derived.
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.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle