The Hidden Crisis: Understanding Potentially Morally Injurious Events Experienced by Healthcare Providers during COVID-19 in Canada
Notice bibliographique
Résumé
BACKGROUND: Healthcare providers (HCPs) may be at elevated risk for moral injury due to increased exposure to potentially morally injurious events (PMIEs) throughout the COVID-19 pandemic. Identifying PMIEs experienced during the COVID-19 pandemic is a critical first step for understanding moral injury in HCPs. Accordingly, the purpose of the present study was to gain a deeper understanding of the work-related PMIEs experienced by HCPs in Canada during the pandemic. METHODS: Canadian HCPs completed an online survey between February and December 2021 about mental health and functioning, including demographics and the Moral Injury Outcome Scale (MIOS). We conducted a qualitative thematic analysis of PMIEs described extemporaneously by HCPs in the open-text field of the MIOS. RESULTS: = 124) HCPs were included in analysis. Eight PMIE-related themes were identified, comprising patients dying alone; provision of futile care; professional opinion being ignored; witnessing patient harm; bullying, violence and divided opinions; resources and personal protective equipment; increased workload and decreased staffing; and conflicting values. CONCLUSIONS: Understanding broad categories of PMIES experienced by Canadian HCPs during the COVID-19 pandemic provides an opportunity to enhance cultural competency surrounding their experiences which will aid the development of targeted prevention and intervention approaches.
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 | 0,004 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».