Twelve tips to combat ill-being during the COVID-19 pandemic: A guide for health professionals & educators
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
<ns4:p>This article was migrated. The article was marked as recommended. Background: Self-determination theory (SDT) represents an organismic theory of motivation and well-being, viewing people as naturally evolving creatures with innate needs for growth, mastery, and connection. According to SDT, for these tendencies to function optimally and for people to flourish, they require support of three basic psychological needs-autonomy, competence, and relatedness. During a pandemic such as the coronavirus disease 2019 (COVID-19), which can provoke isolation, fear, and feelings of helplessness, it is more important than ever to prioritize and support each other's basic psychological needs. Aim: The concept of basic psychological need satisfaction is relevant in the health professions, but during a crisis, it is easy for these needs to get overlooked or thrown aside. Through this article, we aim to make this concept more understandable and applicable by those in the health and education professions, including students. Methods: SDT literature was foundational to creating these practical guidelines. Results: The authors present 12 SDT-derived tips for practitioners, educators, administrators, and learners, on ways to engage in need-supportive behaviour and promote well-being during the COVID-19 pandemic. Conclusion: These tips demonstrate that going back to the basics in times of emergency and stress can help optimize outcomes while fostering connection, ability, and purpose. They can be learned through practice and applied to anything, from emails and social media, to teaching, to patient care.</ns4:p>
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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