Faculty-Wide Peer-Support Program During the COVID-19 Pandemic: Design and Preliminary Results
Notice bibliographique
Résumé
BACKGROUND: Physicians experience higher rates of burnout relative to the general population. Concerns of confidentiality, stigma, and professional identities as health care providers act as barriers to seeking and receiving appropriate support. In the context of the COVID-19 pandemic, factors that contribute to burnout and barriers to seeking support have been amplified, elevating the overall risks of mental distress and burnout for physicians. OBJECTIVE: This paper aimed to describe the rapid development and implementation of a peer support program within a health care organization located in London, Ontario, Canada. METHODS: A peer support program leveraging existing infrastructures within the health care organization was developed and launched in April 2020. The "Peers for Peers" program drew from the work of Shapiro and Galowitz in identifying key components within hospital settings that contributed to burnout. The program design was derived from a combination of the peer support frameworks from the Airline Pilot Assistance Program and the Canadian Patient Safety Institute. RESULTS: Data gathered over 2 waves of peer leadership training and program evaluations highlighted a diversity of topics covered through the peer support program. Further, enrollment continued to increase in size and scope over the 2 waves of program deployments into 2023. CONCLUSIONS: Findings suggest that the peer support program is acceptable to physicians and can be easily and feasibly implemented within a health care organization. The structured program development and implementation can be adopted by other organizations in support of emerging needs and challenges.
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 | 0,014 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».