“Don't Just Study our Distress, Do Something”: Implementing and Evaluating a Modified Stepped-Care Model for Health Care Worker Mental Health During the COVID-19 Pandemic
Notice bibliographique
Résumé
OBJECTIVE: Throughout the COVID-19 pandemic, there have been concerns about the mental health of health care workers (HCW). Although numerous studies have investigated the level of distress among HCW, few studies have explored programs to improve their mental well-being. In this paper, we describe the implementation and evaluation of a program to support the mental health of HCW at University Health Network (UHN), Canada's largest healthcare network. METHODS: Using a quality improvement approach, we conducted a needs assessment and then created and evaluated a modified stepped-care model to address HCW mental health during the pandemic. This included: online resources focused on psychoeducation and self-management, access to online support and psychotherapeutic groups, and self-referral for individual care from a psychologist or psychiatrist. We used ongoing mixed-methods evaluation, combining quantitative and qualitative analysis, to improve program quality. RESULTS: The program is ongoing, running continuously throughout the pandemic. We present data up to November 30, 2021. There were over 12,000 hits to the UHN's COVID mental health intranet web page, which included self-management resources and information on group support. One hundred and sixty-six people self-referred for individual psychological or psychiatric care. The mean wait time from referral to initial appointment was 5.4 days, with an average of seven appointments for each service user. The majority had moderate to severe symptoms of depression and anxiety at referral, with over 20% expressing thoughts of self-harm or suicide. Post-care user feedback, collected through self-report surveys and semistructured interviews, indicated that the program is effective and valued. CONCLUSIONS: Development of a high-quality internal mental health support for HCW program is feasible, effective, and highly valued. By using early and frequent feedback from multiple perspectives and stakeholders to address demand and implement changes responsively, the program was adjusted to meet HCW mental health needs as the pandemic evolved.
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 | 0,053 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».