Role satisfaction among community volunteers working in mass COVID-19 vaccination clinics, Waterloo Region, Canada
Notice bibliographique
Résumé
INTRODUCTION: Unpaid community volunteers are a vital public health resource in times of crisis. In response to the COVID-19 pandemic, community volunteers were mobilized to support mass vaccination efforts in many countries. To have this group's continued engagement, it is essential to understand the community volunteer experience, including the opportunities and challenges they encounter and how these contribute to their role satisfaction. This qualitative study investigated the factors contributing to community volunteers' role satisfaction at COVID-19 mass vaccination clinics in the Region of Waterloo, Canada. METHODS: Qualitative data were analyzed from 20 volunteers (aged 48-79 years) who had worked at one of four COVID-19 vaccination clinics in the Region of Waterloo, Canada. Data were analyzed thematically using an inductive coding process followed by an iterative process of grouping and identifying linkages and relationships within the themes. RESULTS: Four interrelated themes were developed from the inductive analysis process. The theme of community volunteers feeling valued or disesteemed in their role depends on the interaction between the three themes of role description, role preparation, and clinic context. CONCLUSIONS: For volunteers in crises such as the COVID-19 pandemic, volunteer role satisfaction depends on how their contributions are valued, the clarity of their role descriptions, volunteer-specific training, and the sentiments of volunteers and staff within the clinic context. Greater role satisfaction can help with retention as volunteers become more resilient and adaptable to the complex dynamic circumstances of a crisis response. Activities such as training and materials development for role preparations should be explicitly planned and well-resourced, even in crisis/pandemic situations. Building clinic managers' or supervisors' skills in communication during crisis/pandemic situations and the skills for the creation of team cohesion are critical investment areas.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,003 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».