MétaCan
Menu
Retour à la cohorte
Enregistrement W3211551063 · doi:10.37526/1526-744x.2021.48.5.447

Mental Health and Health-Related Quality of Life Among Nephrology Nurses: A Survey-Based Cross-Sectional Study

2021· article· en· W3211551063 sur OpenAlexaff
Vicki Montoya, Katie Donnini, Marjolaine Gauthier‐Loiselle, Myrlene Sanon, Martin Cloutier, Jessica Maitland, Annie Guérin, Paula Dutka, Lillian Pryor, Charlotte Thomas‐Hawkins, Arthur Voegel, Mark Hoffmann, Samuel M. Savin, Alissa Kurzman, Tamara Kear

Notice bibliographique

RevueNephrology Nursing Journal · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesnon disponible
Mots-clésMedicineAnxietyNephrologyDepression (economics)Patient Health QuestionnairePandemicCoronavirus disease 2019 (COVID-19)BurnoutCross-sectional studyMental healthFeelingStressorWorkloadQuality of life (healthcare)Internal medicineClinical psychologyFamily medicinePsychiatryDepressive symptomsPsychologyNursingDisease

Résumé

récupéré en direct d'OpenAlex

Nephrology nurses face health and wellness challenges due to significant work-related stressors. This survey, conducted online between July 24 and August 17, 2020, assessed the psychological well-being of nephrology nurses in the United States during the COVID-19 pandemic (n = 393). Respondents reported feeling burned out from work (62%), symptoms of anxiety (47% with Generalized Anxiety Disorder-7 [GAD-7] scores ≥ 5), and major depressive episodes (16% with Patient Health Questionnaire-2 [PHQ-2] scores ≥ 3). Fifty-six percent (56%) of survey respondents reported caring for COVID-19 patients, and 62% were somewhat or very worried about COVID-19. Factors, including high workload, age, race, and the COVID-19 pandemic, may partially explain the high proportion of nephrology nurses who reported symptoms of burnout, anxiety, and depression.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,140
Tête enseignante GPT0,497
Écart entre enseignants0,357 · 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'étudeObservationnel
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNephrology Nursing JournalMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207