How Can We Help Healthcare Workers during a Catastrophic Event Such as the COVID-19 Pandemic?
Notice bibliographique
Résumé
Healthcare workers (HCWs) have significantly suffered during the COVID-19 pandemic, reporting a high prevalence of anxiety, depression and post-traumatic stress disorder (PTSD). We investigated with this survey whether HCWs benefitted from supportive measures put in place by hospitals and how these measures were perceived. This cross-sectional survey, which was conducted during the first wave of COVID-19 at the Geneva University Hospitals, Switzerland, between May and July 2021, collected information on the use and perception of practical and mental health support measures provided by the hospital. In total, 3461 HCWs participated in the study. Regarding the practical support measures, 2896 (84%) participants found them useful, and 2650 (76%) used them. Regarding the mental health support measures, 3149 (90%) participants found useful to have the possibility of attending hypnosis sessions, 3163 (91%) to have a psychologist within hospital units, 3202 (93%) to have a medical nursing psychiatric permanence available seven days a week, and 3171 (92%) to have a hotline available seven days a week. In total, 436 (13%) HCWs used at least one of the available mental health support measures. During the COVID-19 pandemic, the support measures were valued by HCWs. Given the high prevalence of psychiatric issues among HCWs, these measures seem necessary and are likely to have alleviated the suffering of HCWs.
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 | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».