Responding to Health Care Professionals' Mental Health Needs During COVID-19 Through the Rapid Implementation of Project ECHO
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic can cause significant mental health distress among health care professionals (HCPs). We describe the psychological needs of HCPs during COVID-19 and the implementation of Project Extension for Community Healthcare Outcomes (ECHO) Coping with COVID (ECHO-CWC) to help HCPs manage COVID-19 distress. METHODS: We used an established rapid implementation approach to accelerate the development and delivery of ECHO-CWC to address the emerging needs of HCPs. Participants' needs were identified using a 10-question survey of participants' perceived risk of COVID-19 and a five-item self-efficacy measure. Implementation outcomes consisted of participant engagement and session satisfaction scores using a five-point Likert scale. RESULTS: A total of 426 participants registered for ECHO-CWC. Needs assessment data (n = 129) showed that most participants reported feeling increased stress at work (84.5%), fear of infecting others (75.2%), and fear of falling ill (70.5%) from COVID-19, yet most participants accepted the risk associated with work during this time (59.7%). Participants were highly satisfied with the initial five sessions (mean = 4.26). DISCUSSION: HCPs reported the greatest concern with fears of infection and infecting others during the acute phase of the pandemic. Using an iterative curriculum design approach and existing implementation frameworks, the ECHO tele-education model can be rapidly mobilized to address HCPs' mental health needs during the COVID-19 pandemic.
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».