A qualitative study of physician perceptions and experiences of caring for critically ill patients in the context of resource strain during the first wave of the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has led to global shortages in the resources required to care for critically ill patients and to protect frontline healthcare providers. This study investigated physicians' perceptions and experiences of caring for critically ill patients in the context of actual or anticipated resource strain during the COVID-19 pandemic, and explored implications for the healthcare workforce and the delivery of patient care. METHODS: We recruited a diverse sample of critical care physicians from 13 Canadian Universities with adult critical care training programs. We conducted semi-structured telephone interviews between March 25-June 25, 2020 and used qualitative thematic analysis to derive primary themes and subthemes. RESULTS: Fifteen participants (eight female, seven male; median age = 40) from 14 different intensive care units described three overarching themes related to physicians' perceptions and experiences of caring for critically ill patients during the pandemic: 1) Conditions contributing to resource strain (e.g., continuously evolving pandemic conditions); 2) Implications of resource strain on critical care physicians personally (e.g., safety concerns) and professionally (e.g. practice change); and 3) Enablers of resource sufficiency (e.g., adequate human resources). CONCLUSIONS: The COVID-19 pandemic has required health systems and healthcare providers to continuously adapt to rapidly evolving circumstances. Participants' uncertainty about whether their unit's planning and resources would be sufficient to ensure the delivery of high quality patient care throughout the pandemic, coupled with fear and anxiety over personal and familial transmission, indicate the need for a unified systemic pandemic response plan for future infectious disease outbreaks.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,010 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».