Perceptions and experiences of healthcare providers during COVID-19 pandemic in Karachi, Pakistan: an exploratory qualitative study
Notice bibliographique
Résumé
OBJECTIVE: To explore healthcare provider's perspectives and experiences of the barriers and facilitators to treat and manage COVID-19 cases. DESIGN AND SETTING: We conducted an exploratory qualitative study using a purposive sampling approach, at a private tertiary care teaching hospital in Karachi, Pakistan. Study data were analysed manually using the conventional content analysis technique. PARTICIPANTS: Key-informant interviews (KIIs) were conducted with senior management and hospital leadership and in-depth interviews (IDIs) were conducted with front-line healthcare providers. RESULTS: A total of 31 interviews (KIIs=19; IDIs=12) were conducted, between April and May 2020. Three overarching themes emerged. The first was 'challenges faced by front-line healthcare providers working in COVID-19 wards. Healthcare workers experienced increased anxiety due to the fear of acquiring infection and transmitting it to their family members. They felt overwhelmed due to the exhaustive donning and doffing process, intense work and stigmatisation. The second theme was 'enablers supporting healthcare providers to deal with the COVID-19 pandemic'. Front liners pointed out several enabling factors that supported hospital staff including a safe hospital environment, adequate training, a strong system of information sharing and supportive management. The third theme was 'recommendations to support the healthcare workforce during the COVID-19 crisis'. Healthcare workers recommended measures to mitigate current challenges including providing risk allowance to front-line healthcare providers, preparing a backup health workforce, and establishing a platform to address the mental health needs of the healthcare providers. CONCLUSION: This study provides an initial evidence base of healthcare providers' experiences of managing patients with COVID-19 in the early stage of the pandemic and highlights measures needed to address the encountered challenges. It offers lessons for hospitals in low-income and middle-income countries to ensure a safe working environment for front-line workers in their fight against COVID-19.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; 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 ».