MétaCan
Menu
Retour à la cohorte
Enregistrement W4312000528 · doi:10.12927/hcq.2022.26982

The Canadian Long-Term Care Sector Collapse from COVID-19: Innovations to Support People in the Workforce

2022· article· en· W4312000528 sur OpenAlexaffvenueabout
Britney J Glowinski, Shirin Vellani, Mona Aboumrad, Idrissa Beogo, Thea Franke, Farinaz Havaei, Sharon Kaasalainen, Bonnie Lashewicz, Anne-Marie Levy, Katherine S. McGilton, Josephine McMurray, Joanie Sims‐Gould

Notice bibliographique

RevueHealthcare Quarterly · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensToronto Rehabilitation InstituteMcMaster UniversityUniversity of British ColumbiaWilfrid Laurier UniversityUniversity of OttawaHamilton Health SciencesMichael Smith Health Research BCUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésStaffingWorkforceLong-term carePandemicCoronavirus disease 2019 (COVID-19)NursingBusinessDistressMedicinePublic relationsEconomic growthPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic rattled Canada's long-term care (LTC) sector by exacerbating the ingrained systemic and structural issues, resulting in tragic consequences for the residents, family members and LTC staff.At the core of LTC's challenges is chronic under-staffing, leading to lower quality of care for residents and higher degrees of moral distress among staff.A rejuvenation of the LTC sector to support its workforce is overdue.A group of diverse and renowned researchers from across Canada set out to implement innovative evidenceinformed solutions in various LTC homes.Their findings call for immediate action from policy makers and LTC decision makers. PROMISING PRACTICE INTERVENTIONS* Co-lead authors. Key Takeaways• On top of the long-standing lack of resources, including the ever-existing staff shortages, long-term care (LTC) workers experienced an unprecedented increase in their workload during the pandemic without justifiable compensation -including a lack of sufficient time off and absence of communication to promote work-life balance.• All categories of LTC staff experienced immense moral distress, burnout and compassion fatigue due to high rates of COVID-19 cases and deaths of residents and staff, policy changes and staff turnover.A preventative approach where staffing is optimized and supports are readily available is necessary to prepare the LTC sector for another health crisis.• Decades of research have shown that strong evidence is not sufficient to change LTC policies and practices.A rejuvenation of the LTC sector urgently requires adequate staffing with access to competitive benefits, compensation and mental health supports to allow workers to effectively care for residents and effectively implement changes to improve LTC in Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,512

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0120,008
Communication savante0,0080,003
Science ouverte0,0020,007
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,398
Écart entre enseignants0,343 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations15
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetGeriatric Care and Nursing HomesTravaux en français237 207