“The little lights in this dark tunnel”: Emotional support of nurses working in COVID-19 acute care hospital environments
Notice bibliographique
Résumé
Background: Working on the frontlines of hospitals during the COVID-19 pandemic has been challenging and distressing for nurses. The troublesome nature of these emotions have surfaced because of uncharted territory related to this virus, compromised work conditions, unfavourable patient outcomes, and the witnessing of suffering and loss. Although there has been renewed emphasis on how to emotionally support nurses, the nature of support needed is somewhat unknown considering that healthcare professionals have not experienced a pandemic of this magnitude in their lifetime. Aim: We explored how nurses were emotionally supported and how they can be better supported while working in COVID-19 acute care hospital environments. Methods: In this narrative study, semi-structured interviews were conducted with 20 registered nurses working in hospitals in the Greater Toronto Area and working on units caring for COVID-19+ patients. Results and Conclusions: Our findings reflected the organic emergence of support, intentional forms of support, and the social justice nature of support. It is important for hospital and government leaders to employ a multifold approach to emotionally support nurses. These supports include information transparency, visible presence of leadership, and recognition of nurses’ contributions. While emotionally supporting nurses, these types of resources can act as “little lights in this dark tunnel” of COVID-19 and illuminate a path forward. Implications: Some strategies relevant to clinical practice include regular rounding of units by leaders, and transparent communication about information and resources. Other strategies are on-site psychological support and legitimate support of mental health sick days as well as lobbying governments for financial compensation for the risky work involved in being a frontline provider and appropriate provision of personal protective equipment.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».