Workplace violence in the COVID-19 era: a qualitative analysis of harassment and threats against public health professionals in Canada
Notice bibliographique
Résumé
Objectives: This study reports the results of a qualitative study involving public health professionals and documents their experiences with cyberviolence, harassment and threats during the COVID-19 pandemic. Method and analysis: The research adopted a discovery-oriented qualitative design, using constructivist grounded theory method and long interview style data collection. Twelve public health professionals from across Canada who held responsibility for COVID-19 response and public health measures in their respective jurisdictions participated. Constant comparative analysis was used to generate concepts through inductive processes. Results: Data revealed a pattern that began with mainstream media engagement, moved to indirect cyberviolence on social media that fuelled outrage and polarisation of members of the public, followed by direct cyberviolence in the form of email abuse and threats, and finally resulted in physical threats and confrontation-which were then glorified and amplified on social media. The prolonged nature and intensity of harassment and threats led to negative somatic, emotional, professional and social outcomes. Concerns were raised that misinformation and comments undermining the credibility of public health professionals weakened public trust and ultimately the health of the population. Participants provided recommendations for preventing and mitigating the effects of cyber-instigated violence against public health professionals that clustered in three areas: better supports for public health personnel; improved systems for managing communications; and legislative controls on social media including reducing the anonymity of contributors. Conclusion: The prolonged and intense harassment, abuse and threats against public health professionals during COVID-19 had significant effects on these professionals, their families, staff and ultimately the safety and health of the public. Addressing this issue is a significant concern that requires the attention of organisations responsible for public health and policy makers.
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 | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,028 | 0,013 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».