Did the COVID-19 pandemic cause the predicted “tsunami” of mental health crises?
Notice bibliographique
Résumé
Background Second victims are healthcare workers who experience emotional distress following patient adverse events. Studies indicate the need to develop organisational support programmes for these workers. The RISE (Resilience In Stressful Events) programme was developed at the Johns Hopkins Hospital to provide this support. Objective To describe the development of RISE and evaluate its initial feasibility and subsequent implementation. Programme phases included (1) developing the RISE programme, (2) recruiting and training peer responders, (3) pilot launch in the Department of Paediatrics and (4) hospital-wide implementation. Methods Mixed-methods study, including frequency counts of encounters, staff surveys and evaluations by RISE peer responders. Descriptive statistics were used to summarise demographic characteristics and proportions of responses to categorical, Likert and ordinal scales. Qualitative analysis and coding were used to analyse open-ended responses from questionnaires and focus groups. Results A baseline staff survey found that most staff had experienced an unanticipated adverse event, and most would prefer peer support. A total of 119 calls, involving ∼500 individuals, were received in the first 52 months. The majority of calls were from nurses, and very few were related to medical errors (4%). Peer responders reported that the encounters were successful in 88% of cases and 83.3% reported meeting the caller9s needs. Low awareness of the programme was a barrier to hospital-wide expansion. However, over the 4 years, the rate of calls increased from ∼1–4 calls per month. The programme evolved to accommodate requests for group support. Conclusions Hospital staff identified the need for a multidisciplinary peer support programme for second victims. Peer responders reported success in responding to calls, the majority of which were for adverse events rather than for medical errors. The low initial volume of calls emphasises the importance of promoting awareness of the value of emotional support and the availability of the programme.
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 | 0,002 | 0,010 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».