Experiences of healthcare providers from a working week during the first wave of the COVID-19 outbreak.
Notice bibliographique
Résumé
BACKGROUND AND AIM OF THE WORK: The delivery of care to patients with COVID-19 enhanced many psychological issues among healthcare workers (HCWs), exacerbating the risk of burnout and compromising the efficacy and quality of services provided to patients. In this context, the peculiarities regarding professional roles in delivering care to patients with COVID-19 might reflect daily lived experiences that could impact psychological outcomes in specific professional groups. However, daily lived experiences considering different groups of HCWs have been poorly investigated, especially with a longitudinal qualitative study. Accordingly, our study aims firstly to longitudinally explore perceptions and experiences of HCWs about their daily working life during the initial COVID-19 outbreak, highlighting the specific lived experiences of physicians, nurses, radiology technicians, and healthcare assistants. METHODS: A longitudinal qualitative content analysis was conducted to analyse the comments and quotations made on a daily diary lasting seven days by physicians, nurses, radiology technicians, and healthcare assistants during the first wave of the COVID-19 outbreak. According to Elo and Kyngäs recommendation, the data analysis process was developed in three main phases: preparation, organising, and reporting. RESULTS: Four main generic categories emerged by data analysis: 'Clinical practice in COVID-19 patients'; 'The importance of relationship'; 'Navigating by sight'; and 'Good always pays off'. Several differences emerged from the sentences of the HCWs, which require further investigation. CONCLUSIONS: Understanding the profession-specific experiences of the involved HCWs in facing the challenges of the COVID-19 pandemic is key for boosting reflections, research, and actions to adequately support each professional group.
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 | 0,005 | 0,012 |
| 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 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».