The emotional effects on professional interpreters of interpreting palliative care conversations for adult patients: A rapid review
Notice bibliographique
Résumé
BACKGROUND: Professional interpreters working in palliative contexts improve patient care. Whilst literature identifies psychological distress in other healthcare professionals, research into emotional effects on professional interpreters in this highly emotive setting is limited. Isolating emotional responses may enable targeted interventions to enhance interpreter use and improve wellbeing. Timely evidence is needed to urgently familiarise the profession with issues faced by these valuable colleagues, to affect practice. AIM: Describe the emotional effects on professional interpreters of interpreting adult palliative care conversations. Collate recommendations to mitigate negative emotional effects. DESIGN: We performed a rapid review of studies identifying emotional effects on professional interpreters of interpreting adult palliative conversations. Rapid review chosen to present timely evidence to relevant stakeholders in a resource-efficient way. Thematic analysis managed using NVivo. Quality appraisal evaluated predominantly using CASP checklists. Reported using PRISMA guidelines. PROSPERO registration CRD42022301753. DATA SOURCES: Articles available in English on PubMed [1966-2021], MEDLINE [1946-2021], EMBASE [1974-2021], CINAHL [1981-2021] and PsycINFO [1806-2021] in December 2021. RESULTS: Eleven articles from the USA (5), Australia (3), Canada (2) and UK (1). Eight interview-based, two online surveys and one quality improvement project. Themes included (1) Identifying diversity of emotional effects: emotions including stress, discomfort, loneliness. (2) Identifying factors affecting interpreters' emotional responses: impact of morals, culture and role expectations; working with patients and families; interpreter experience and age. (3) Recommendations to mitigate negative emotional effects: pre-briefing, debriefing and interpreter/provider training. CONCLUSION: Professional interpreters experience myriad emotional responses to palliative conversations. Role clarity, collaborative working and formal training may alleviate negative effects.
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 | 0,002 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».