A survey of pediatric intensive care unit clinician experience with restricted family presence during COVID-19
Notice bibliographique
Résumé
PURPOSE: Limiting family presence runs counter to the family-centred values of Canadian pediatric intensive care units (PICUs). This study explores how implementing and enforcing COVID-19-related restricted family presence (RFP) policies impacted PICU clinicians nationally. METHODS: We conducted a cross-sectional, online, self-administered survey of Canadian PICU clinicians to assess experience and opinions of restrictions, moral distress (Moral Distress Thermometer, range 0-10), and mental health impacts (Impact of Event Scale [IES], range 0-75 and attributable stress [five-point Likert scale]). For analysis, we used descriptive statistics, multivariate regression modelling, and a general inductive approach for free text. RESULTS: Representing 17/19 Canadian PICUs, 368 of 388 respondents (94%) experienced RFP policies and were predominantly female (333/368, 91%), English speaking (338/368, 92%), and nurses (240/368, 65%). The mean (standard deviation [SD]) reported moral distress score was 4.5 (2.4) and was associated with perceived differential impact on families. The mean (SD) total IES score was 29.7 (10.5), suggesting moderate traumatic stress with 56% (176/317) reporting increased/significantly increased stress from restrictions related to separating families, denying access, and concern for family impacts. Incongruence between RFP policies/practices and PICU values was perceived by 66% of respondents (217/330). Most respondents (235/330, 71%) felt their opinions were not valued when implementing policies. Though respondents perceived that restrictions were implemented for the benefit of clinicians (252/332, 76%) and to protect families (236/315, 75%), 57% (188/332) disagreed that their RFP experience was mainly positive. CONCLUSION: Pediatric intensive care unit-based RFP rules, largely designed and implemented without bedside clinician input, caused increased psychological burden for clinicians, characterized as moderate moral distress and trauma triggered by perceived impacts on families.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».