Mental Health Concerns of Frontline Workers During the COVID-19 Pandemic: A Scoping Review
Notice bibliographique
Résumé
OBJECTIVES: The current COVID-19 pandemic continues to have a significant impact on the mental health of frontline workers worldwide. Currently there are limited published studies addressing mental health issues in frontline workers. The objective of this scoping review is to examine the range of existing global literature on mental health issues reported in frontline workers during the COVID-19 pandemic and to understand what mitigating factors exist. METHODS: The scoping review was guided by the Levac Colquhoun and O’Brien’s adapted version of Arkey and O’Malley’s framework. We performed a comprehensive search of three databases, Pubmed, APA PsychINFO, and CINAHL, identifying 684 studies. In total, 16 original studies and 4 letters to editors were included in this review. RESULTS: Of the original studies, 13 were published in China, and the remaining 3 in Italy, Turkey, and Iraq; all letters to editors were published in China. Sources of stress reported in frontline workers across studies included direct contact with COVID-19 patients, isolation, putting loved ones at risk, facing life and death decision making with COVID-19 patients, uncertainty with COVID-19 disease control, limited personal protective equipment, time spent thinking about COVID-19, limited staff/resources/pay, burnout, and stigma. Mental health symptoms and outcomes reported in frontline workers were fear, stress, anxiety, depression, insomnia, burnout, and psychological distress. CONCLUSION: Findings demonstrate the immediate need to increase mental health awareness and resources at an individual and system wide level. Mental health programs need to be catered towards each unique workplace to provide the necessary resources for frontline workers.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».