MétaCan
Menu
Retour à la cohorte
Enregistrement W4281612712 · doi:10.1016/j.ssmmh.2022.100124

Predict, prevent and manage moral injuries in Canadian frontline healthcare workers and leaders facing the COVID-19 pandemic: Protocol of a mixed methods study

2022· article· en· W4281612712 sur OpenAlexafffundabout
Mahée Gilbert‐Ouimet, Azita Zahiri Harsini, Caroline Biron, Lyse Langlois, Caroline Ménard, Manon Lebel, Jérôme Pelletier, Caroline Duchaine, Marianne Beaulieu, Manon Truchon

Notice bibliographique

RevueSSM - Mental Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensCentre for Interdisciplinary Research in RehabilitationUniversité LavalUniversité du Québec à Rimouski
Organismes subventionnairesMinistère de la Défense Nationale
Mots-clésPsychosocialHealth careStressorPsychologyOccupational safety and healthMoral injuryFocus groupQualitative researchVulnerability (computing)NursingSuicide preventionMedicineQualitative propertyPoison controlApplied psychologySocial psychologyClinical psychologyMedical emergencyPsychiatryBusinessSociologyPolitical scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Moral injuries can occur when perpetrating, failing to prevent, or bearing witness to acts that transgress deeply held moral beliefs and expectations. The COVID-19 crisis highlighted the fact that psychosocial stressors at work, such as high emotional demands, are placing Canadian healthcare workers at risk of moral injuries. Evidence linking psychosocial stressors at work to moral injuries are needed to better predict, prevent and manage moral injuries, as these stressors are frequent and modifiable occupational risk factors. This protocol presents a study aiming to: 1) understand workplace events having the potential to either cause or reduce moral injuries, 2) predict the risk and severity of moral injuries using a disease prevention model, 3) identify biological signatures (biomarkers) associated with psychosocial stressors at work and moral injuries and 4) elaborate preliminary guidelines of organizational practices for frontline healthcare workers to reduce and manage moral injuries. This study is a mixed methods research with three components: qualitative, quantitative and biological. The data collection has been completed and because of the COVID-19 pandemic, it was adjusted to allow for gathering qualitative and quantitative data remotely. Frontline healthcare workers and leaders were included. Through focus groups and individual interviews, and an online questionnaire, events and psychosocial working conditions that may increase the risk of moral injuries will be documented. In addition, blood samples which were collected from a sub-sample of volunteer participants will measure an innovative set of biomarkers associated with vulnerability to stress and mental health. Data analyses are ongoing. We anticipate to identify workplace events that may trigger moral injuries. We expect that potential predictors of moral injury risk occurrence and severity will be identified from psychosocial stressors at work that can be improved by implementing organizational practices. We also expect to observe a different mental health state and biological inflammation signature across workers exposed compared to workers not exposed to psychosocial stressors at work. Based on these future findings, we intend to develop preliminary recommendations of organizational practices for managers. This research will contribute to expand our knowledge of the events in the workplace likely to generate or lessen the impact moral injuries, to build a model for predicting the risk of moral injuries at work, all in the specific context of the COVID-19 health crisis among healthcare workers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,545
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSSM - Mental HealthMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207