Associations between psychosocial stressors at work and moral injury in frontline healthcare workers and leaders facing the COVID-19 pandemic in Quebec, Canada: A cross-sectional study
Notice bibliographique
Résumé
Healthcare workers (HCWs) on the frontline of the COVID-19 pandemic exhibit a high prevalence of depression and psychological distress. Moral injury (MI) can lead to such mental health problems. MI occurs when perpetrating, failing to prevent, or bearing witness to acts that transgress deeply held moral beliefs and expectations. Since the start of the pandemic, psychosocial stressors at work (PSWs) might have been exacerbated, which might in turn have led to an increased risk of MI in HCWs. However, research into the associations between PSWs and MI is lacking. Considering these stressors are frequent and most of them are modifiable occupational risk factors, they may constitute promising prevention targets. This study aims to evaluate the associations between a set of PSWs and MI in HCWs during the third wave of the COVID-19 pandemic in Quebec, Canada. Furthermore, our study aims to explore potential differences between urban and non-urban regions. The sample of this study consisted of 572 HCWs and leaders from the Quebec province. Prevalence ratios (PR) of MI and their 95% confidence intervals (CI) were modelled using robust Poisson regressions. Several covariates were considered, including age, sex, gender, socio-economic indicators, and lifestyle factors. Results indicated HCWs exposed to PSWs were 2.22-5.58 times more likely to experience MI. Low ethical culture had the strongest association (PR: 5.58, 95% CI: 1.34-23.27), followed by low reward (PR: 4.43, 95% CI: 2.14-9.16) and high emotional demands (PR: 4.32, 95% CI: 1.89-9.88). Identifying predictors of MI could contribute to the reduction of mental health problems and the implementation of targeted interventions in urban and non-urban areas.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 ».