Psychological impact of the COVID-19 pandemic on hospital workers over time: Relationship to occupational role, living with children and elders, and modifiable factors
Notice bibliographique
Résumé
The COVID-19 pandemic is expected to have a sustained psychological impact on healthcare workers. We assessed individual characteristics related to changes in emotional exhaustion and psychological distress over time. A survey of diverse hospital staff measured emotional exhaustion (Maslach Burnout Inventory) and psychological distress (K6) in Fall 2020 (T1) and Winter 2021 (T2). Relationships between occupational, personal, and psychological variables were assessed using repeated measures ANOVA. Of 539 T1 participants, 484 (89.9%) completed T2. Emotional exhaustion differed by occupational role (F = 7.3, p < .001; greatest in nurses), with increases over time in those with children (F = 8.5, p = .004) or elders (F = 4.0, p = .047). Psychological distress was inversely related to pandemic self-efficacy (F = 110.0, p < .001), with increases over time in those with children (F = 7.0, p = .008). Severe emotional exhaustion occurred in 41.1% (95%CI 36.6–45.4) at T1 and 49.8% (95%CI 45.4–54.2) at T2 (McNemar test p < .001). Psychological distress occurred in 9.7% (95%CI 7.1–12.2) at T1 and 11.6% (95%CI 8.8–14.4) at T2 (McNemar test p = .33). Healthcare workers' psychological burden is high and rising as the pandemic persists. Ongoing support is warranted, especially for nurses and those with children and elders at home. Modifiable protective factors, restorative sleep and self-efficacy, merit special attention.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».