La résilience du personnel soignant à l’épreuve de la pandémie de COVID-19 : une étude dans un hôpital public en Tunisie
Notice bibliographique
Résumé
Ce travail cherche à appréhender les déterminants de la résilience du personnel soignant dans le contexte de la crise sanitaire Covid-19. Son but est d’accéder à une compréhension profonde des motifs, des forces et des processus à l’oeuvre dans la dynamique complexe de la résilience. Il paraît d’autant plus crucial de répondre à cette question qu’il semble y avoir des enseignements à tirer pour penser différemment les conditions de travail dans les hôpitaux publics. Plus particulièrement, dans le contexte pandémique actuel, le personnel soignant semble plus que jamais exposer aux risques psychosociaux et à un quotidien professionnel inédit et jonché de tensions. Les résultats de l’étude menée auprès du personnel soignant d’un hôpital public en Tunisie ont révélé que la résilience résulte de l’activation de prédispositions, de facteurs de protection et de ressources autant personnelles qu’interpersonnelles et socioculturelles. Cette recherche a révélé que la résilience n’est pas une réaction spontanée dans un contexte professionnel marqué par l’adversité et l’incertitude. Elle est le fruit d’un mix mettant en jeu les dispositions personnelles, la dynamique de groupe, le soutien social, la stabilité familiale, le style de leadership et les contingences situationnelles. De même, l’étude souligne que la résilience génère une réelle valeur ajoutée pour les patients, les soignants et la pratique des soins aussi bien sur le plan humain, sanitaire, éthique qu’économique. Elle montre que le développement de la résilience constitue une responsabilité partagée entre le personnel soignant, le système hospitalier, les autorités sanitaires, l’encadrement et les dirigeants des établissements de santé.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».