MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387060785 · doi:10.1371/journal.pone.0291988

Worsening of mental health outcomes in nursing home staff during the COVID-19 pandemic in Ireland

2023· article· en· W4387060785 sur OpenAlexaff
Conan Brady, Ellie Shackleton, Caoimhe Fenton, Orlaith Loughran, Blánaid Hayes, Martina Hennessy, Agnès Higgins, Iracema Leroi, Deirdre Shanagher, Declan M. McLoughlin

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésMental healthPandemicMedicineLikert scaleSuicidal ideationNursingScale (ratio)Coping (psychology)BurnoutHealth careFamily medicineCross-sectional studyPsychiatryPsychologySuicide preventionPoison controlClinical psychologyCoronavirus disease 2019 (COVID-19)Medical emergencyDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mental health issues in nursing home staff during the COVID-19 pandemic have been significant; however, it is not known if these issues persist following widespread vaccination and easing of restrictions. OBJECTIVE: To quantify the mental health of nursing home staff at different timepoints during the COVID-19 pandemic in the Republic of Ireland. DESIGN/METHODS: Two identical, online, cross-sectional, nationwide, anonymous surveys of Republic of Ireland nursing home staff at two timepoints (survey 1 (S1, n = 390): November 2020 to January 2021; survey 2 (S2, N = 229: November 2021 to February 2022) during the COVID-19 pandemic. Convenience sampling was used with staff self-selecting for participation. Methods included the World Health Organisation's Well-Being Index (WHO-5), the Impact of Events Scale-Revised (IES-R), the Moral Injury Events Scale (MIES), two Likert-scale items regarding suicidal ideation and planning, the Work Ability Score (WAS), the Brief Coping Orientation to Problems Experienced (Brief-COPE) Scale, and a 15-item questionnaire assessing perceptions of the outbreak with one additional Likert-scale item on altruism. Descriptive analysis examined differences between staff based on their classification in one of three groups: nurses, healthcare assistants (HCA) and nonclinical staff. Pseudonymous identifiers were used to link responses across surveys. RESULTS: An insufficient number of participants completed both surveys for linked analyses to be performed; therefore, we performed an ecological comparison between these two independent surveys. More staff reported moderate-severe post-traumatic stress symptoms (S1 45%; S2 65%), depression (S1: 39%; S2 57%), suicidal ideation (S1: 14%; S2 18%) and suicidal planning (S1: 9%; S2 15%) later in the pandemic. There was a higher degree of moral injury at S2 (S1: 20.8 standard deviation (SD) 9.1; S2: 25.7 SD (11.3)) and use of avoidant (maladaptive) coping styles at S2 (S1: 20.8 (6.3); S2 23.0 (6.3)) with no notable differences found in the use of approach (adaptive) coping styles. Staff reported more concerns at S2 regarding contracting COVID-19, social stigma, job stress, doubts about personal protective equipment and systems and processes. CONCLUSION: In comparison to our previous survey, mental health outcomes appear to have worsened, coping did not improve, and staff concerns, and worries appear to have increased as the pandemic progressed. Follow-up studies could help to clarify is there are any lingering problems and to assess if these issues are related to the pandemic and working conditions in nursing homes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,143
Tête enseignante GPT0,432
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→