Feasibility of Implementing the STEADY Wellness Program to Support Hospital Staff During the COVID-19 Pandemic
Notice bibliographique
Résumé
Introduction: The COVID-19 Pandemic negatively impacted the mental wellbeing of healthcare workers worldwide. Many organizations responded reactively to their staff needs. The novel, evidence-informed Social Support, Tracking Distress, Education and Discussion Community (STEADY) program was implemented, with senior leadership support across a large hospital. STEADY is a multi-pronged program developed to mitigate occupational stress injury in healthcare workers and first responders. This project examined the feasibility of implementing STEADY across hospital units during a pandemic. Method: STEADY was implemented in five acute care units and across the rehab site of a large hospital. Data was collected on the five program components (drop-in peer support groups and critical incident debriefs, psychoeducation workshops, wellness assessments, peer partnering, community-building initiatives). Most peer support groups were facilitated by the program manager trained in peer support and one of six clinical staff. Results: The program was iteratively adapted to meet the needs of target units/groups. More than 300 sessions were run in ~one year, for an average of ~1.15 sessions per unit per week. With flexible adaptation to the mode of facilitation, ~75% of planned workshops and ~85% of peer support sessions were run. Three critical incident stress debriefs were held. The formal partnering program was offered via e-mail with minimal uptake. Ninety-five wellness assessments were completed by target end-users, with 36 personalized responses sent. Gratitude trees were posted in each unit for community-building. Eight target unit staff completed formal peer support facilitation training. Twenty additional groups across the organization requested STEADY programming support and ten requested gratitude trees. Conclusion: Results indicate that most components of the STEADY program were feasible to implement in hospital units during the pandemic. On-site, interactive programming was most engaging for end-users. Leadership support and flexible, continuous adaption by program leaders were identified as facilitators to program implementation and uptake.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».