COVID-19-Related Occupational Burnout and Moral Distress among Nurses: A Rapid Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic is placing unprecedented pressure on a nursing workforce that is already under considerable mental strain due to an overloaded system. Convergent evidence from the current and previous pandemics indicates that nurses experience the highest levels of psychological distress compared with other health professionals. Nurse leaders face particular challenges in mitigating risk and supporting nursing staff to negotiate moral distress and fatigue during large-scale, sustained crises. Synthesizing the burgeoning literature on COVID-19-related burnout and moral distress faced by nurses and identifying effective interventions to reduce poor mental health outcomes will enable nurse leaders to support the resilience of their teams. AIM: This paper aims to (1) synthesize existing literature on COVID-19-related burnout and moral distress among nurses and (2) identify recommendations for nurse leaders to support the psychological needs of nursing staff. METHODS: Comprehensive searches were conducted in Medline, Embase and PsycINFO (via Ovid); CINAHL (via EBSCOHost); and ERIC (via ProQUEST). The rapid review was completed in accordance with the World Health Organization Rapid Review Guide. KEY FINDINGS: Thematic analysis of selected studies suggests that nurses are at an increased risk for stress, burnout and depression during the ongoing COVID-19 pandemic. Younger female nurses with less clinical experience are more vulnerable to adverse mental health outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,027 | 0,020 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».