MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387584414 · doi:10.32474/lojms.2023.06.000244

Impact of SARS-Cov-2 on Clinical Trial Unit Workforce in the United Kingdom: An Observational Study

2023· article· en· W4387584414 sur OpenAlexaboutno aff
Peter Phiri

Notice bibliographique

RevueLOJ Medical Sciences · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésObservational studySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)Workforce2019-20 coronavirus outbreakUnit (ring theory)MedicineKingdomPandemicVirologyPsychologyInternal medicinePolitical scienceOutbreakBiologyLawDisease

Résumé

récupéré en direct d'OpenAlex

Background:The overall objective of this mixed-method digital-based observational study was to determine the mental health impact among CTU staff working during the COVID-19 pandemic. Methods:The Qualtrics Core XM platform was used to deploy the questionnaire where a quantitative analysis was conducted.The qualitative part of the study used the Microsoft Teams digital application to complete the interviews.Various validated mental health assessments were administered: Vancouver Index of Acculturation (VIA), Hospital Anxiety and Depression Scale (HADS), Insomnia Severity Index (ISI), Pandemic Stress Index (PSI), Burnout Assessment Tool-12 (BAT-12), General Self Efficacy Scale (GSE) and The Everyday Discrimination Scale (EDS).Result: A total of 485 participants took part, of which 73.4% were female and 70.1% of the sample were white British.A high prevalence of anxiety, exhaustion and depression were identified across all participants. Conclusion:A significant mental health impact was identified among the CTU workforce where wellbeing was compromised during the course of the COVID-19 pandemic.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Incitatifs · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptMétarecherche
Domaine: Incitatifs · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,932
Tête enseignante GPT0,700
Écart entre enseignants0,232 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLOJ Medical Sciences→Même sujetHealth and Medical Research Impacts→CatégorieMétarecherche→Travaux en français237 207→