Prevalence and Risk Factors for Moral Distress in Pediatric Oncology Health Care Professionals
Notice bibliographique
Résumé
PURPOSE Moral distress (MoD) is prevalent among health care professionals (HCPs) in oncology and is associated with burnout. The objectives of this study were to quantify MoD among pediatric oncology healthcare professionals (HCPs) at a Canadian quaternary care hospital, identify root causes, and evaluate change over time. METHODS Eligible pediatric oncology HCPs were identified, and consenting participants completed the Measure of Moral Distress-Healthcare Professionals (MMD-HP) and MoD Thermometer (MDT) at baseline, followed by biweekly MDTs over 12 weeks. RESULTS A total of 139 HCPs participated. The mean MMD-HP score was 123 ± 57.0, range 9-288. Demographic risk factors identified for elevated MMD-HP scores were female sex (female 127.1 and male 83.6, P = .01) and nursing role (nurse 136.3 and most responsible physician 85.3, P = .02). Higher MMD-HP scores were found in HCPs who were currently considering resigning because of MoD compared with those who were not (169.9 v 115.4, P < .001). Situations involving administration of treatment to children with poor prognosis cancers that was perceived to be overly aggressive were ranked as the greatest environmental contributor to MoD. Baseline and mean MDT scores over time strongly correlated with MMD-HP scores ( P < .0001 and P = .0003, respectively), with mean MDT scores showing no significant fluctuation over the 12-week period. CONCLUSION MoD was common among pediatric oncology HCPs. Risk factors for elevated levels of MoD included both demographic and environmental factors. Implementation of systems to improve team communication and decision making, especially in the care of patients with poor prognosis cancers, may affect HCP MoD.
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 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 | 0,017 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,008 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».