Examining the Associations between Personal Protective Equipment, Training, Policy, and Acute Care Workers’ Psychological Distress during the COVID-19 Pandemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Previous studies have demonstrated an association between low personal protective equipment (PPE) availability and high stress and anxiety among frontline healthcare workers during the COVID-19 pandemic. It is unclear how other factors, such as infection prevention and control (IPC) training and IPC policy support, correlate with workers’ distress. The current study explores these relationships. We conducted a secondary analysis of a public survey dataset from Statistics Canada. Acute care workers’ survey responses (n = 7379) were analyzed using structural equation modeling to examine relationships between features of the IPC work environment and acute care workers’ ratings of their stress and mental health. We found that PPE availability (β = −0.16), workplace supports (i.e., training, IPC policy compliance, and enforcement) (β = −0.16), and support for staying home when sick (β = −0.19) were all negatively correlated with distress. Together, these features explained 18.4% of the overall variability in workers’ distress. Among surveyed acute care workers, PPE availability was related to their distress; however, having workplace support and an emphasis on staying home when sick was also relevant. Overall, the results highlight that, in addition to PPE availability, workplace supports and emphasis on staying home are important. IPC professionals and healthcare leaders should consider these multiple features as they support acute care workers during future infectious disease outbreaks.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle