Randomized trial of personalized psychological feedback from a longitudinal online survey and simultaneous evaluation of randomized stepped wedge availability of in-person peer support for hospital staff during the COVID-19 pandemic
Notice bibliographique
Résumé
OBJECTIVE: We tested if automated Personalized Self-Awareness Feedback (PSAF) from an online survey or in-person Peer Resilience Champion support (PRC) reduced emotional exhaustion among hospital workers during the COVID-19 pandemic. METHOD: Among a single cohort of participating staff from one hospital organization, each intervention was evaluated against a control condition with repeated measures of emotional exhaustion at quarterly intervals for 18 months. PSAF was tested in a randomized controlled trial compared to a no-feedback condition. PRC was tested in a group-randomized stepped-wedge design, comparing individual-level emotional exhaustion before and after availability of the intervention. Main and interactive effects on emotional exhaustion were tested in a linear mixed model. RESULTS: Among 538 staff, there was a small but significant beneficial effect of PSAF over time (p = .01); the difference at individual timepoints was only significant at timepoint three (month six). The effect of PRC over time was non-significant with a trend in the opposite direction to a treatment effect (p = .06). CONCLUSIONS: In a longitudinal assessment, automated feedback about psychological characteristics buffered emotional exhaustion significantly at six months, whereas in-person peer support did not. Providing automated feedback is not resource-intensive and merits further investigation as a method of support.
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 | 0,014 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».