MétaCan
Menu
Retour à la cohorte
Enregistrement W4309822015 · doi:10.1177/10398562221142448

Psychiatrist and trainee moral injury during the organisational long COVID of Australian acute psychiatric inpatient services

2022· article· en· W4309822015 sur OpenAlexaff
Jeffrey CL Looi, Paul A Maguire, Steve Kisely, Stephen Allison

Notice bibliographique

RevueAustralasian Psychiatry · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMoral injuryStaffingContext (archaeology)BurnoutPsychiatryPandemicMedicineCoronavirus disease 2019 (COVID-19)Mental healthNursingAcute carePsychologyHealth careClinical psychologyPolitical sciencePsychotherapist

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This paper provides a commentary on the risk of moral injury amongst psychiatrists and trainees working in the acute psychiatric hospital sector, during the third winter of the COVID-19 pandemic. CONCLUSIONS: Moral injuries arise from observing, causing or failing to prevent adverse outcomes that transgress core ethical and moral values. Potentially, morally injurious events (PMIEs) are more prevalent and potent while demand on acute hospitals is heightened with the emergence of highly infectious SARS-CoV-2-Omicron subvariants (BA.4 and BA.5). Acute hospital inpatient services were already facing extraordinary stresses in the context of increasingly depleted infrastructure and staffing related to the pandemic. These stresses have a high potential to be morally injurious. It is essential to immediately fund additional staff and resources and address workplace health and safety, to seek to arrest a spiral of moral injury and burnout amongst psychiatrists and trainees. We discuss recommended support strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,339
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian PsychiatryMême sujetDisaster Response and ManagementTravaux en français237 207