MétaCan
Menu
Retour à la cohorte
Enregistrement W4381386304 · doi:10.1017/s1049023x23001681

Deployed in Disaster: Exploratory Study of Personnel Deployed into Ontario Long-Term Care Homes during the COVID-19 Pandemic

2023· article· en· W4381386304 sur OpenAlexaffabout
David Oldenburger, Andrea Baumann, Mary Crea‐Arsenio, Vishwanath V. Baba, Raisa Deber

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Thematic analysisExploratory researchPandemicAccountabilityLong-term careGovernment (linguistics)LegislationBusinessNursingQualitative researchPublic relationsMedicinePolitical scienceCoronavirus disease 2019 (COVID-19)SociologyGeography

Résumé

récupéré en direct d'OpenAlex

Introduction: The COVID-19 pandemic had a devastating impact on long-term care in Canada, exacerbating an existing crisis of staff shortages, inadequate infrastructure and funding, into a disaster. In response, the province of Ontario enacted emergency legislation and requested federal government support, resulting in the deployment of personnel from the Canadian Armed Forces and acute care hospitals into long-term care homes across the province. This exploratory study aims to develop a rich description of the long-term care context during the pandemic, deployed personnel's perspectives on providing care in the context, and identification of lessons learned while working during the pandemic. Method: Descriptive exploratory design with demographic questionnaire and semi-structured interviews will be used to understand the background and perspective of deployed personnel and managers on working in long-term care during the pandemic. Thematic analysis will be used to analyze the transcripts, organize codes, and identify and describe major themes. Findings will also be compared with disaster literature to understand how the perspectives of deployed personnel compare with existing disaster research. Results: 21 interviews were initially conducted. Analysis of these interviews identified key challenges experienced by those deployed, including human resources, leadership and accountability, and policies and regulations. Perspectives and strategies for overcoming these challenges were also shared. Conclusion: The scale, duration, and context of the redeployment of personnel into long-term is unprecedented and has seen little research. This exploratory study shares the experiences of personnel who deployed into long-term care and helps identify lessons learned from overcoming challenges in the disaster context. These findings will be able to inform future disaster research and how to better prepare responders in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,379
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePrehospital and Disaster MedicineMême sujetDisaster Response and ManagementTravaux en français237 207