Exploring Frontline Healthcare Worker's Stress and Recovery Off-Shift during the COVID-19 Pandemic
Notice bibliographique
Résumé
I completed my practicum with 4YouandMe, a non-profit created to aid individuals who are interested in sharing health-related data using smartphones and other wearable devices so that they can better understand and navigate health conditions. The Stress and Recovery Study used the Oura ring and smartphones to track and understand the multidimensional components of stress and recovery off-shift in frontline healthcare workers during the current COVID-19 pandemic. My role in this study was actively working as a clinical research coordinator and digital participant engagement expert. This role consisted of calling participants and asking them about their overall study experience, details regarding their stress triggers, their home and work environments, and use of their Oura ring. I was responsible for maintaining contact with about 70 participants and creating contact logs after each phone call. The purpose of these phone calls is to provide support and encourage participant adherence to the study tasks. In addition to this primary role, I also completed an emerging COVID-19 hotspot map that was used in the recruitment process of the study. I outlined regions in the U.S that may become hotspots for COVID cases and may subsequently translate to a higher stressed group of healthcare workers in those areas. Additionally, I contributed to developing adherence tracking frameworks and other study materials used by team members. This study is contributing to the public health literature by using novel methodologies including digital approaches to understanding stress. Looking at digital stress responses and biometric data as signals to predict infection may inform other tools to aid in early detection. Finally, the study aims to determine whether resiliency factors and some social determinants of health modify stress and recovery.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».