Gendered and racial experiences of moral distress: A scoping review
Notice bibliographique
Résumé
AIM: To inform efforts to integrate gender and race into moral distress research, the review investigates if and how gender and racial analyses have been incorporated in such research. DESIGN: Scoping review. METHODS: The PRISMA (Preferred Reporting Items for Systematic and Meta-Analysis) Extension for Scoping Reviews was adopted. DATA SOURCES: Systematic literature search was conducted through PubMed, CINAHL and Web of Science databases. Boolean operators were used to identify moral distress literature which included gender and/or race data and published between 2012 and 2022. RESULTS: After screening and full-text review, 73 articles reporting on original moral distress research were included. Analysis was conducted on how gender and race were incorporated in research and interpretation of moral distress experiences among healthcare professionals. IMPACT: This study found that while there is an upward trend in including gender and race-disaggregated data in moral distress research, over half of such research did not conduct in-depth analysis of such data. Others only highlighted differential experiences such as moral distress levels of women vis-à-vis men. Only about 20% of publications interrogated how experiences of moral distress differed and/or explored factors behind their findings. CONCLUSION: There is a need to not only collect disaggregated data in moral distress research but also engage this data through gender and race-based analysis. Particularly, we highlight the need for intersectional analysis, which can elucidate how social identities and categories (such as gender and race) and structural inequalities (such as those sustained by sexism and racism) interact to influence moral experiences. IMPLICATIONS FOR THE PROFESSION AND/OR PATIENT CARE: Moral distress as experienced by healthcare professionals is increasingly recognized as an important area of research with significant policy implications in the healthcare sector. This study offers insights for nuanced and targeted policy approaches. PATIENT OR PUBLIC CONTRIBUTION: No patient or public contribution.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».