Nursing Perspectives on the Impacts of COVID-19: Social Media Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Nurses are at the forefront of the COVID-19 pandemic. During the pandemic, nurses have faced an elevated risk of exposure and have experienced the hazards related to a novel virus. While being heralded as lifesaving heroes on the front lines of the pandemic, nurses have experienced more physical, mental, and psychosocial problems as a consequence of the COVID-19 outbreak. Social media discussions by nursing professionals participating in publicly formed Facebook groups constitute a valuable resource that offers longitudinal insights. OBJECTIVE: This study aimed to explore how COVID-19 impacted nurses through capturing public sentiments expressed by nurses on a social media discussion platform and how these sentiments changed over time. METHODS: We collected over 110,993 Facebook discussion posts and comments in an open COVID-19 group for nurses from March 2020 until the end of November 2020. Scraping of deidentified offline HTML tags on social media posts and comments was performed. Using subject-matter expert opinions and social media analytics (ie, topic modeling, information retrieval, and sentiment analysis), we performed a human-in-a-loop analysis of nursing professionals' key perspectives to identify trends of the COVID-19 impact among at-risk nursing communities. We further investigated the key insights of the trends of the nursing professionals' perspectives by detecting temporal changes of comments related to emotional effects, feelings of frustration, impacts of isolation, shortage of safety equipment, and frequency of safety equipment uses. Anonymous quotes were highlighted to add context to the data. RESULTS: We determined that COVID-19 impacted nurses' physical, mental, and psychosocial health as expressed in the form of emotional distress, anger, anxiety, frustration, loneliness, and isolation. Major topics discussed by nurses were related to work during a pandemic, misinformation spread by the media, improper personal protective equipment (PPE), PPE side effects, the effects of testing positive for COVID-19, and lost days of work related to illness. CONCLUSIONS: Public Facebook nursing groups are venues for nurses to express their experiences, opinions, and concerns and can offer researchers an important insight into understanding the COVID-19 impact on health care workers.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».