Psychological distress among healthcare workers accessing occupational health services during the COVID-19 pandemic in Zimbabwe
Notice bibliographique
Résumé
BACKGROUND: Healthcare workers (HCWs) have experienced anxiety and psychological distress during the COVID-19 pandemic. We established and report findings from an occupational health programme for HCWs in Zimbabwe that offered screening for SARS-CoV-2 with integrated screening for comorbidities including common mental disorder (CMD) and referral for counselling. METHODS: Quantitative outcomes were fearfulness about COVID-19, the Shona Symptom Questionnaire (SSQ-14) score (cutpoint 8/14) and the number and proportion of HCWs offered referral for counselling, accepting referral and counselled. We used chi square tests to identify factors associated with fearfulness, and logistic regression was used to model the association of fearfulness with wave, adjusting for variables identified using a DAG. Qualitative data included 18 in-depth interviews, two workshops conducted with HCWs and written feedback from counsellors, analysed concurrently with data collection using thematic analysis. RESULTS: Between 27 July 2020-31 July 2021, spanning three SARS-CoV-2 waves, the occupational health programme was accessed by 3577 HCWs from 22 facilities. The median age was 37 (IQR 30-43) years, 81.9% were women, 41.7% said they felt fearful about COVID-19 and 12.1% had an SSQ-14 score ≥ 8. A total of 501 HCWs were offered referral for counselling, 78.4% accepted and 68.9% had ≥1 counselling session. Adjusting for setting and role, wave 2 was associated with increased fearfulness over wave 1 (OR = 1.26, 95% CI 1.00-1.60). Qualitative data showed high levels of anxiety, psychosomatic symptoms and burnout related to the pandemic. Mental wellbeing was affected by financial insecurity, unmet physical health needs and inability to provide quality care within a fragile health system. CONCLUSIONS: HCWs in Zimbabwe experience a high burden of mental health symptoms, intensified by the COVID-19 pandemic. Sustainable mental health interventions must be multisectoral addressing mental, physical and financial wellbeing.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».