Priority Nursing Populations for Mental Health Support Before and During COVID-19: A Survey Study of Individual and Workplace Characteristics
Notice bibliographique
Résumé
BACKGROUND: Nursing is a high-risk profession and nurses' exposure to workplace risk factors such as heavy workloads and inadequate staffing is well documented. The COVID-19 pandemic has exacerbated nurses' exposure to workplace risk factors, further deteriorating their mental health. Therefore, it is both timely and important to determine nursing groups in greatest need of mental health interventions and supports. PURPOSE: The purpose of this study is to provide a granular examination of the differences in nurse mental health across nurse demographic and workplace characteristics before and after COVID-19 was declared a pandemic. METHODS: This secondary analysis used survey data from two cross-sectional studies with samples (Time 1 study, 5,512 nurses; Time 2, 4,523) recruited from the nursing membership (∼48,000) of the British Columbia nurses' union. Data was analyzed at each timepoint using descriptive statistics and ordinal logistic regression. RESULTS: Several demographic and workplace characteristics were found to predict significant differences in the number of positive screenings on measures of poor mental health. Most importantly, in both survey times younger age was a strong predictor of worse mental health, as was full-time employment. Nurse workplace health authority was also a significant predictor of worse mental health. CONCLUSIONS: Structural and psychological strategies must be in place, proactively and preventively, to buffer nurses against workplace challenges that are likely to increase during the COVID-19 crisis.
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 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».