Learning from the resilience of hospitals and their staff to the COVID-19 pandemic: a scoping review
Notice bibliographique
Résumé
Abstract Background The COVID-19 pandemic has brought huge strain on hospitals worldwide. It is crucial that we gain a deeper understanding of hospital resilience in this unprecedented moment. This paper aims to report the key strategies and recommendations in terms of hospitals and professionals’ resilience to the COVID-19 pandemic, as well as the quality and limitations of research in this field at present. Methods We conducted a scoping review of evidence on the resilience of hospitals and their staff during the COVID-19 crisis in the first half of 2020. The Stephen B. Thacker CDC Library website was used to identify papers meeting the eligibility criteria, from which we selected 65 publications. After having extracted data, we presented the results synthesis using an “effects-strategies-impacts” resilience framework. Results We found a wealth of research rapidly produced in the first half of 2020, describing different strategies used to improve hospitals’ resilience, particularly in terms of 1) planning, management, and security, and 2) human resources. Research focuses mainly on interventions related to healthcare workers’ well-being and mental health, protection protocols, space reorganization, personal protective equipment and resources management, work organization, training, e-health and the use of technologies. Hospital financing, information and communication, and governance were less represented in the literature. Conclusion The selected literature was dominated by quantitative descriptive case studies, sometimes lacking consideration of methodological limitations. The review revealed a lack of holistic research attempting to unite the topics within a resilience framework. Research on hospitals resilience would benefit from a greater range of analysis to draw more nuanced and contextualized lessons from the multiple specific responses to the crisis. We identified key strategies on how hospitals maintained their resilience when confronted with the COVID-19 pandemic and a range of recommendations for practice.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».