MétaCan
Menu
Retour à la cohorte
Enregistrement W3197361328 · doi:10.1111/jep.13601

An iterative approach to promoting departmental wellbeing during <scp>COVID</scp>‐19

2021· article· en· W3197361328 sur OpenAlexaffabout
Anita Acai, Andrea González, Karen Saperson

Notice bibliographique

RevueJournal of Evaluation in Clinical Practice · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMandatePDCAFocus groupMedical educationPsychological interventionNursingQuarter (Canadian coin)Mental healthSupport groupPandemicPsychologyQuality managementFeelingHealth careMedicineCoronavirus disease 2019 (COVID-19)Political scienceBusinessOperations managementEngineering

Résumé

récupéré en direct d'OpenAlex

RATIONALE, AIMS, AND OBJECTIVES: Addressing wellbeing among learners, faculty, and staff during the COVID-19 pandemic is a challenge for many clinical departments. Continued and systemic supports are needed to combat the pandemic's impact on mental health and wellbeing. This article describes an iterative approach to conducting a needs assessment and implementing a COVID-19-related wellness initiative in a psychiatry department. METHODS: Development of the initiative followed the Plan-Do-Study-Act (PDSA) quality improvement cycle and was informed by Shanafelt and colleagues' framework for supporting healthcare workers during the COVID-19 pandemic. Key features included the establishment of a Wellness Working Group, the curation of relevant resources on the Department's website, and the deployment of regular, monthly surveys that informed the creation of further supports, such as a weekly online drop-in support group. RESULTS: Survey response rates ranged from 22% to 32% (n = 90-127) throughout our initiative. Across multiple surveys, approximately 80% of respondents reported feeling supported or very supported by the Department, and 90% were satisfied or very satisfied with the quantity and quality of information provided. Our support group and resources page were accessed by nearly one-quarter and one-third of respondents, respectively, with satisfaction rates of 81% or higher. Consistent with the Department's mandate, ensuring equity was a key focus of the Working Group throughout its operations. CONCLUSIONS: There is potential for this model to be scaled to create a faculty-wide, institution-wide, or regional approach to addressing wellbeing. Other departments may also wish to adopt similar approaches to supporting their members during this challenging time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,077
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,408

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0770,070
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0170,011
Communication savante0,0100,008
Science ouverte0,0060,030
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,204
Tête enseignante GPT0,576
Écart entre enseignants0,372 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Evaluation in Clinical PracticeMême sujetCOVID-19 and Mental HealthTravaux en français237 207