Post-traumatic stress disorder symptoms among healthcare workers during the COVID-19 pandemic: Analysis of the HERO Registry
Notice bibliographique
Résumé
Little is known about the mental health consequences of the COVID-19 pandemic in healthcare workers (HCWs). Past literature has shown that chronic strain caused by pandemics can adversely impact a variety of mental health outcomes in HCWs. There is growing recognition of the risk of stress and loss of resilience to HCWs during the COVID-19 pandemic, although the risk of post-traumatic stress disorder (PTSD) symptoms in HCWs during the COVID-19 pandemic remains poorly understood. We wanted to understand the relationship between the COVID-19 pandemic and the risk of PTDS symptoms in HCWs during the COVID-19 pandemic. We surveyed 2038 health care workers enrolled in the Healthcare Worker Exposure Response & Outcomes (HERO) study, which is a large standardized national registry of health care workers. Participants answered questions about demographics, COVID-19 exposure, job burnout, and PTSD symptoms. We characterize the burden of PTSD symptoms among HCWs, and determined the association between high PTSD symptoms and race, gender, professional role, work setting, and geographic region using multivariable regression. In a fully adjusted model, we found that older HCWs were less likely to report high PTSD symptoms compared with younger HCWs. Additionally, we found that physicians were less likely to report high PTSD symptoms compared with nurses. These data add to the growing literature on increased risks of mental health challenges to healthcare workers during 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
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».