Mitigating Moral Distress in Leaders of Healthcare Organizations: A Scoping Review
Notice bibliographique
Résumé
GOAL: Moral distress literature is firmly rooted in the nursing and clinician experience, with a paucity of literature that considers the extent to which moral distress affects clinical and administrative healthcare leaders. Moreover, the little evidence that has been collected on this phenomenon has not been systematically mapped to identify key areas for both theoretical and practical elaboration. We conducted a scoping review to frame our understanding of this largely unexplored dynamic of moral distress and better situate our existing knowledge of moral distress and leadership. METHODS: Using moral distress theory as our conceptual framework, we evaluated recent literature on moral distress and leadership to understand how prior studies have conceptualized the effects of moral distress. Our search yielded 1,640 total abstracts. Further screening with the PRISMA process resulted in 72 included articles. PRINCIPAL FINDINGS: Our scoping review found that leaders-not just their employees- personally experience moral distress. In addition, we identified an important role for leaders and organizations in addressing the theoretical conceptualization and practical effects of moral distress. PRACTICAL APPLICATIONS: Although moral distress is unlikely to ever be eliminated, the literature in this review points to a singular need for organizational responses that are intended to intervene at the level of the organization itself, not just at the individual level. Best practices require creating stronger organizational cultures that are designed to mitigate moral distress. This can be achieved through transparency and alignment of personal, professional, and organizational values.
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 | 0,017 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,012 |
| 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 ».