Wellbeing Convene during COVID-19: A pilot intervention for improving wellbeing and social connectedness for staff, students, residents, and faculty
Notice bibliographique
Résumé
Abstract Background: Canada is facing its worst crisis among healthcare workers in recent healthcare history. Anxiety, depression, suicidal ideation, and severe burnout are higher than before the COVID-19 pandemic. University Faculties of Medicine (FoMs) are vital to healthcare systems. Not only are they responsible for training personnel, but clinicians and staff from FoMs often work directly within healthcare systems. FoMs include students, staff, residents, faculty members, residents, researchers, and others, many experiencing higher stress levels due to pandemic tensions. Most FoMs emphasize cognitive and psychomotor learning needs. On the other hand, affective learning needs are not as well addressed within most FoMs. Finding innovative means to ameliorate mental and emotional health status, particularly at this critical juncture, will improve health and wellness, productivity, and retention. This article discusses a pilot program, Wellbeing Convene during COVID-19, in a Canadian FoM, which aimed to (1) provide staff, faculty, residents, and students with a toolkit for greater wellbeing and (2) build a sense of community during isolating times. Results: Participants found the program beneficial in both regards. We recommend that these kinds of programs be permanently available to all members in FoMs, at no cost. Wellness programs alone, however, will not solve the root causes of mental and emotional stress, often based on concerns related to finances, hierarchical workplace structures, and nature of the work itself, among other factors. Conclusion: Addressing the mental and emotional health of people in FoMs is vital to improving productivity and reducing stress of FoMs, healthcare professionals, and, ultimately, patients.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».