Adapting despite <em>“walls coming down”</em>: Healthcare providers’ experiences of COVID-19 as an implosive adaptation
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic has been a daunting exercise in adaptation for healthcare providers. While we are beginning to learn about the challenges faced by teams during the COVID-19 pandemic, what remains underexplored are the strategies team members used to adapt to these challenges. The goal of this study is therefore to explore how healthcare providers navigated and adapted to on-the-ground challenges imposed by COVID-19. METHODS: We interviewed 20 healthcare workers at various hospitals in Ontario, who provided care as part of clinical teams during the COVID-19 pandemic. Data were collected and analyzed following Constructivist Grounded Theory principles including iteration, constant comparison and theoretical sampling. RESULTS: Participants' accounts of their experiences revealed the process of 'implosive adaptation'. The 'reality check', the 'scramble' and the 'pivot' comprised this process. The reality check described the triggers, the scramble detailed the challenges they went through and the pivot prescribed the shifting of mindset as they responded to challenges. These stages were iterative, rather than linear, with blurred boundaries. DISCUSSION: According to our participants, not all adaptations have to be successful during a crisis. The language of reality check, scramble and pivot provides a framework for teams to talk about and make sense of their approaches to crisis, even beyond the COVID-19 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».