Psychological Distress in South African Healthcare Workers early in the COVID-19 Pandemic: An Analysis of Associations and Mitigating Factors
Notice bibliographique
Résumé
While the global COVID-19 pandemic has been widely acknowledged to affect the mental health of health care workers (HCWs), attention to measures that protect those on the front lines of health outbreak response has been limited. In this cross-sectional study, we examine workplace contextual factors associated with how psychological distress was experienced in a South African setting where a severe first wave was being experienced with an objective of identifying factors that can protect against HCWs experiencing negative impacts. Consistent with mounting literature on mental health effects, we found a high degree of psychological distress (57.4% above General Health Questionnaire cut-off value) and a strong association between perceived risks associated with the presence of COVID-19 in the healthcare workplace and psychological distress (adjusted OR = 2.35, p <.01). Our research indicates that both training (adjusted OR 0.41, 95% CI 0.21 – 0.81) and the reported presence of supportive workplace relationships (adjusted OR 0.52, 95% CI 0.27 – 0.97) were associated with positive outcomes. This evidence that workplace resilience can be reinforced to better prepare for the onset of similar outbreaks in the future suggests that pursuit of further research into specific interventions to improve resilience is well merited.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».