MétaCan
Menu
Retour à la cohorte
Enregistrement W3175457903 · doi:10.12927/cjnl.2021.26531

An Academic Health Sciences Center’s Strategy to Enhance Nurse Resilience and Psychological Safety amid COVID-19 Pandemic

2021· article· en· W3175457903 sur OpenAlexaffvenue
Lianne Jeffs, Jane Merkley, Rebecca Greenberg, Leanne Ginty, Nely Amaral, Robert Maunder, Lesley Wiesenfeld, Susan Brown, Paula Shing, Kara Ronald

Notice bibliographique

RevueNursing leadership · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensSinai Health SystemLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicResilience (materials science)2019-20 coronavirus outbreakNursingSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Psychological resilienceCenter (category theory)PsychologyPatient safetySociologyMedicineHealth carePolitical scienceSocial psychologyVirology

Résumé

récupéré en direct d'OpenAlex

The rapid cadence of change and the fear of acquiring and spreading COVID-19 - coupled with moral distress exacerbated by fulfilling one's duty to care under extremely challenging conditions - continue to impact nurses' coping ability, resilience and psychological safety globally (McDougall et al. 2020). This paper provides an overview of how an academic health sciences centre (AHSC) has responded to the evolving waves of the COVID-19 pandemic. Specifically, we share our context and the strategies we used to build and enhance nurse resilience and psychological safety at the organizational, clinical team and individual levels. This is followed by a description of our nurses' achievements amid the 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,558
Tête enseignante GPT0,580
Écart entre enseignants0,022 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetDisaster Response and ManagementTravaux en français237 207