Exploring the Impact of Storytelling for Hospitalized Patients Recovering from COVID-19
Notice bibliographique
Résumé
There are mental and physical deficits associated with COVID-19 infection, particularly among individuals requiring hospitalization. Storytelling is a relational intervention that has been used to help patients make sense of their illness experiences and to share their experiences with others, including other patients, families and healthcare providers. Relational interventions strive to create positive, healing stories versus negative ones. In one urban acute care hospital, an initiative called the Patient Stories Project (PSP) uses storytelling as a relational intervention to promote patient healing, including the development of healthier relationships among themselves, with families and with healthcare providers. This qualitative study employed a series of interview questions that were collaboratively developed with patient partners and COVID-19 survivors. The questions asked consenting COVID-19 survivors about why they chose to tell their stories and to flesh out more about their recovery process. Thematic analyses of six participant interviews resulted in the identification of key themes along a COVID-19 recovery pathway. Patients' stories revealed how survivors progress from being overwhelmed by their symptoms to making sense of what is happening to them, providing feedback to their care providers, feeling gratitude for care received, becoming aware of a new state of normal, regaining control of their lives, and ultimately discovering meaning and an important lesson behind their illness experience. Our study's findings suggest that the PSP storytelling approach holds potential as a relational intervention to support COVID-19 survivors along a recovery journey. This study also adds knowledge about survivors beyond the first few months of recovery.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».