Strategies to enhance resilience to cope with workplace adversities post-COVID-19 among ICU nurses
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: It is critical for intensive care unit (ICU) nurses to develop resilient coping strategies to cope with workplace adversities. The coping strategies will mitigate the development of maladaptive psychological disorders prone to working in a stressful environment. OBJECTIVES: The aim of this study is to analyse previous literature conducted on strategies that enhance resilience in ICU nurses to cope with workplace adversities beyond the coronavirus disease 2019 (COVID-19) pandemic. The study was conducted by examining all available global literature in the context of the aim of the study. METHOD: An integrative literature review was chosen for the study. Purposive sampling method was used to select the relevant databases to answer the review question, namely Google Scholar, EBSCOhost, Medline and Nursing/Academic Edition. The search terms used were 'strategies', 'resilience', 'intensive care unit nurses', 'coping', 'workplace adversities', 'beyond COVID-19' and post 'COVID-19'. RESULTS: Three themes emerged from the study, namely promoting personal attributes, effective relational support and active psychological support. CONCLUSION: Enhancing resilience among ICU nurses requires both intentional individualised care from the ICU nurses and a systematic approach by nursing management that will meet the psychological needs of ICU nurses when working in a stressful ICU environment.Contribution: The findings of the review have highlighted specific strategies of improving resilience in ICU nurses, which can ultimately create a safe working environment in the ICU.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découle