MétaCan
Menu
Retour à la cohorte
Enregistrement W3104063986 · doi:10.5430/jha.v9n5p31

Should health care institutions provide job accommodations for health care workers with serious mental health concerns during the COVID-19 pandemic?

2020· article· en· W3104063986 sur OpenAlexvenueno aff
Alexandra M. Villagran, Janet Malek, Sophie C. Schneider, Christi J. Guerrini

Notice bibliographique

RevueJournal of Hospital Administration · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthPandemicHarmHealth careTollMedicineVulnerability (computing)DutyNursingOccupational safety and healthEnvironmental healthCoronavirus disease 2019 (COVID-19)PsychologyDiseasePsychiatryInfectious disease (medical specialty)Political scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

As the Coronavirus Disease 2019 pandemic continues, increased attention has been given to its mental health impacts on frontline health care workers. There is a consensus, consistent with established standards applicable to the duty to treat, that health care workers who are especially vulnerable to risk of physical harm should be provided job accommodations to reduce their risk of disease exposure, but it is unclear whether health care workers should be provided similar accommodations if their vulnerability relates specifically to mental health concerns. Especially given emerging evidence that the pandemic is taking a heavy toll on the mental health of health care workers, this issue should be included in policy conversations involving support of health care workers and provision of resources to them during the pandemic. Arguments in favor of expanding accommodations to those with mental health concerns include institutions’ ethical duty to protect vulnerable workers and not discriminate against their employees, as well as broader consideration of the consequences of not providing accommodations, both for health care workers and patients.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,081
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0070,006
Communication savante0,0060,009
Science ouverte0,0030,006
Intégrité de la recherche0,0150,009
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,133
Tête enseignante GPT0,481
Écart entre enseignants0,348 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207