Psychological responses among nurses caring for patients with COVID-19: a comparative study in China
Notice bibliographique
Résumé
Frontline healthcare nurses devoted themselves to deal with the outbreak of COVID-19, saving many lives. However, they are under incredible unknown psychological pressures with a considerable risk of infection. In this study, a self-administered questionnaire was used to survey 593 frontline nurses in Wuhan City and non-Hubei provinces for psychological responses from March 1 to March 10, 2020. Compared with nurses outside Hubei Province, those working in Wuhan were more likely to feel physically and mentally exhausted. Their probable depression and anxiety were significantly higher than those of nurses outside Hubei province (31.2%, 18.3% vs. 13.8%, 5.9%). Correspondingly, the depressive symptoms were more often reported in the Wuhan group (70.8% vs. 41.4%). Although Wuhan received wishes, concerns, and abundant psychological and material resources from all of the world, the survey-based study found that frontline nurses in Wuhan still had higher depression and anxiety with less social support compared with nurses from non-Hubei provinces. Unexpectedly, only 4.0% of nurses have sought psychological assistance. These findings suggested that the short-term psychological impact of frontline nurses in Wuhan during the COVID-19 outbreak was extremely high compared with nurses outside Hubei Province. This research enlightened the efficient integration of psychological resources, the optimization of the nurse emergency psychological assistance system, and the mental health care of medical staff during the outbreak of epidemics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».