Healthcare Workers and COVID-19-Related Moral Injury: An Interpersonally-Focused Approach Informed by PTSD
Notice bibliographique
Résumé
The COVID-19 pandemic has resulted in a still-unfolding series of novel, potentially traumatic moral and ethical challenges that place many healthcare workers at risk of developing moral injury. Moral injury is a type of psychological response that may arise when one transgresses or witnesses another transgress deeply held moral values, or when one feels that an individual or institution that has a duty to provide care has failed to do so. Despite knowledge of this widespread exposure, to date, empirical data are scarce as to how to prevent and, where necessary, treat COVID-19-related moral injury in healthcare workers. Given the relation between moral injury and post-traumatic stress disorder (PTSD), we point here to social and interpersonal factors as critical moderators of PTSD symptomology and consider how this knowledge may translate to interventions for COVID-19-related moral injury. Specifically, we first review alterations in social cognitive functioning observed among individuals with PTSD that may give rise to interpersonal difficulties. Drawing on Nietlisbach and Maercker's 2009 work on interpersonal factors relevant to survivors of trauma with PTSD, we then review the role of perceived social support, social acknowledgment and social exclusion in relation to potential areas of targeted intervention for COVID-19-related moral injury in healthcare workers. Finally, building on existing literature (e.g., Phoenix Australia-Centre for Posttraumatic Mental Health and the Canadian Centre of Excellence-PTSD, 2020) we conclude with individual and organizational considerations to bolster against the development of moral injury in healthcare workers during the pandemic.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».