Staff Experiences With Remote Work in a Comprehensive Cancer Center During the COVID-19 Pandemic and Recommendations for Long-Term Adoption
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic led to the rapid implementation of remote work, but few studies have examined the impact. We evaluated clinical staff experience with working remotely at a large, urban comprehensive cancer center in Toronto, Canada. METHODS: An electronic survey was disseminated between June 2021, and August 2021, via e-mail to staff who had completed at least some remote work during the COVID-19 pandemic. Factors associated with a negative experience were examined with binary logistic regression. Barriers were derived from a thematic analysis of open-text fields. RESULTS: Most respondents (N = 333; response rate, 33.2%) were age 40-69 years (46.2%), female (61.3%), and physicians (24.6%). Although the majority of respondents wished to continue remote work (85.6%), relative to administrative staff (admin), physicians (odds ratio [OR], 16.6; 95% CI, 1.45 to 190.14) and pharmacists (OR, 12.6; 95% CI, 1.0 to 158.9) were more likely to want to return on-site. Physicians were approximately eight times more likely to report dissatisfaction with remote work (OR, 8.4; 95% CI, 1.4 to 51.6) and 24 times more likely to report that remote work negatively affected efficiency (OR, 24.0; 95% CI, 2.7 to 213.0); nurses were approximately seven times more likely to report the need for additional resources (OR, 6.5; 95% CI, 1.71 to 24.48) and/or training (OR, 7.02; 95% CI, 1.78 to 27.62). The most common barriers were the absence of fair processes for allocation of remote work, poor integration of digital applications and connectivity, and poor role clarity. CONCLUSION: Although overall satisfaction with working remotely was high, work is needed to overcome barriers to implementation of remote and hybrid work models in the health care setting.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».