Cracks in the foundation: The experience of care aides in long‐term care homes during the <scp>COVID</scp> ‐19 pandemic
Notice bibliographique
Résumé
BACKGROUND: Care aides (certified nursing assistants, personal support workers) are the largest workforce in long-term care (LTC) homes (nursing homes). They provide as much as 90% of direct care to residents. Their health and well-being directly affect both quality of care and quality of life for residents. The aim of this study was to understand the impact of COVID-19 on care aides working in LTC homes during the first year of the pandemic. METHODS: We conducted semi-structured interviews with a convenience sample of 52 care aides from 8 LTC homes in Alberta and one in British Columbia, Canada, between January and April 2021. Nursing homes were purposively selected across: (1) ownership model and (2) COVID impact (the rate of COVID infections reported from March to December 2020). Interviews were recorded and analyzed using inductive content analysis. RESULTS: Care aides were mainly female (94%) and older (74% aged 40 years or older). Most spoke English as an additional language (76%), 54% worked full-time in LTC homes, and 37% worked multiple positions before "one worksite policies" were implemented. Two themes emerged from our analysis: (1) Care aides experienced mental and emotional distress from enforcing resident isolation, grief related to resident deaths, fear of contracting and spreading COVID-19, increased workload combined with staffing shortages, and rapidly changing policies. (2) Care aides' resilience was supported by their strong relationships, faith and community, and capacity to maintain positive attitudes. CONCLUSIONS: These findings suggest significant, ongoing adverse effects for care aides in LTC homes from working through the COVID-19 pandemic. Our data demonstrate the considerable strength of this occupational group. Our results emphasize the urgent need to appropriately and meaningfully support care aides' mental health and well-being and adequately resource this workforce. We recommend improved policy guidelines and interventions.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,009 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».