Staff mental health while providing care to people with intellectual disability during the COVID‐19 pandemic
Notice bibliographique
Résumé
Background: The COVID-19 pandemic has placed enormous strain on health systems around the world, undermining the mental health and wellbeing of healthcare workers. Supporting people with intellectual disabilities may be particularly challenging for workers, as some people with intellectual disabilities may have a limited understanding of the pandemic, and find it challenging to adhere to the restrictions imposed by public health guidelines such as social distancing, lockdowns and change in usual routine and activities. In addition, many people with intellectual disabilities have increased vulnerability to more negative effects of COVID-19, with significantly higher mortality rates. Although there is emerging research on the mental health of healthcare staff during this time, there has been little specific work on the mental health of staff working with people with intellectual disability, particularly a lack of qualitative research. Methods: The current study employed semi-structured interviews with 13 healthcare workers (12 women and 1 man) who were working with people with intellectual disability during the COVID-19 pandemic. The interview data were analysed using thematic content analysis. Findings: The participants spoke in depth about the challenges of the working environment, the impact of providing care during the pandemic on staff mental health, supporting staff mental health and wellbeing and learning for the future. Conclusions: Systematic efforts are required to protect the mental health of this staff cohort, as well as encouraging resilience and successful coping among staff themselves.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».