A grounded theory of clinical nurses’ process of coping during COVID‐19
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: To explore clinical nurses' process of coping during COVID-19 and develop a grounded theory that can be used by leaders to support clinical nurses during a disaster. BACKGROUND: The COVID-19 pandemic has provoked widespread disruption to clinical nurses' work. It is important to understand clinical nurses' processes of coping during disasters to support the nursing workforce during events such as global pandemics. DESIGN: We employed the Corbin and Strauss variant of grounded theory methodology, informed by symbolic interactionism, and applied the EQUATOR guidelines for qualitative research publication (COREQ). METHODS: Data collection entailed semi-structured interviews with experienced clinical nurses (n =20) across diverse settings. We analysed data by identifying key points in the nurses' coping processes inductively building concepts around these points. RESULTS: The predictor of nurses' outcomes in this grounded theory was their confidence in their ability to cope during the pandemic. When nurses lacked confidence, they experienced working in the context of acute COVID-a state of chaos and anxiety, with negative consequences for nurses. However, when nurses were confident in their abilities to cope with the pandemic, they experienced working in the context of chronic COVID, a calmer state of acceptance. There were many workplace factors that influenced nurses' confidence, including adequacy of personal protective equipment, clear information and guidance, supportive leadership, teamwork and adequate staffing. CONCLUSIONS: Understanding clinical nurses' experience of coping during COVID-19 is essential to maintain the nursing workforce during similar disasters. RELEVANCE TO CLINICAL PRACTICE: Nurse leaders can target areas that support nurses' confidence, such as adequate PPE and staffing. In turn, increased confidence enables clinical nurses to cope during disasters such as a global pandemic.
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 | 0,029 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,020 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».