A critical incident study of ICU nurses during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: Intensive care unit nurses are providing care to COVID-19 patients in a stressful environment. Understanding intensive care unit nurses' sources of distress is important when planning interventions to support them. PURPOSE: To describe Canadian intensive care unit nurse experiences providing care to COVID-19 patients during the second wave of the pandemic. DESIGN: Qualitative descriptive component within a larger mixed-methods study. PARTICIPANTS AND RESEARCH CONTEXT: Participants were invited to write down their experiences of a critical incident, which distressed them when providing nursing care. Thematic analysis was used to analyze the data. ETHICAL CONSIDERATIONS: The study was approved by the ethics committee at the researchers' university in eastern Canada. RESULTS: A total of 111 critical incidents were written by 108 nurses. Four themes were found: (1) managing the pandemic, (2) witness to families' grief, (3) our safety, and (4) futility of care. Many nurses' stories also focused on the organizational preparedness of their institutions and concerns over their own safety. DISCUSSION: Nurses experienced moral distress in relation to family and patient issues. Situations related to insufficient institutional support, patient, and family traumas, as well as safety issues have left nurses deeply distressed. CONCLUSION: Identifying situations that distress intensive care unit nurses can lead to targeted interventions mitigating their negative consequences by providing a safe work environment and improving nurses' well-being.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».