The presence of psychological distress in healthcare workers across different care settings in Windsor, Ontario, during the COVID-19 pandemic: A cross-sectional study
Notice bibliographique
Résumé
Introduction: Few studies have examined psychological distress in healthcare workers (HCWs) across the care continuum. This study describes distress levels reported by HCWs across care settings and factors associated with distress. Methods: A cross-sectional survey of HCWs from Windsor, Ontario, was conducted between May 30th, 2020, and June 30th, 2020. The survey included the Kessler Psychological Distress Scale (K10), sociodemographic, frontline status, perceptions of training, protection, support, respect among teams, and professional and personal stressors. Univariate analyses were used to compare across settings and multivariate logistic regression assessed factors associated with distress. Results: Four hundred and three HCWs from the hospital (49.4%), community health and social service (18.4%), first responder (14.7%), primary care (7.9%), home (6.0%), and long-term care (LTC; 4.0%) participated in the survey. Common concerns included fear of transmitting COVID-19 to family, safety on the job, and balancing personal care with work demands. LTC and home-care HCWs reported greater concern about workload and staffing levels, whereas community health workers were more anxious about their financial security. Overall, 228 (74.2%) HCWs who completed the K10 reported high distress, with greater rates among hospital and LTC HCWs. Distress was more likely in HCWs who identified as female, younger than 55, perceived lower respect among team, and experienced greater worry about physical and mental health and managing high workloads. Conclusion: Results showed a high degree of distress experienced by HCWs across care settings and the impact of the COVID-19 pandemic on personal and work-related stress. Promoting self-care and supportive and collaborative healthcare teams are promising avenues for mitigating symptoms of distress.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».