Notice bibliographique
Résumé
Background Moral injury is an emerging explanation of burnout and suicidality, but remains poorly quantified in at-risk practitioners. We hypothesized that COVID-19 pandemic-related moral injury differs between frontline clinicians, genders, age, and country of practice. Methods We conducted an online cross-sectional survey of international physicians, nurses, nurse practitioners, paramedics and respiratory therapists between April and June 2020. We included the adapted version of the Expressions of Moral Injury Scale (EMIS). The primary outcome was differences in moral injury scores between clinician roles. Results Three hundred and two clinicians participated, including physicians (61% [n=184]), nurses (28% [n=85]), and nurse practitioners (5% [n=14]). The median age was 39 (IQR 32-76), females comprised 54% of the respondents, and the majority resided in Canada (n =183 [61%]) or the United States (US; n = 106 [35%]). Emergency medicine (88% [n=265]), and intensive care (6% [n=17]) were the main specialties responding. Median moral injury scores across multiple domains were higher for nurses compared to physicians, as well as for younger, and female respondents. Moral injury scores were also significantly higher for respondents from the United States, the United Kingdom and Australia, compared to Canada. Conclusions Our research suggests that during COVID-19, measures of moral injury differ across roles, gender and place of work. Future research is warranted to better understand the impact of moral injury on clinicians’ psychological well-being during the COVID-19 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 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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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 ».