MétaCan
Menu
Retour à la cohorte
Enregistrement W4388819044 · doi:10.24095/hpcdp.43.10/11.04

Canadian respiratory therapists who considered leaving their clinical position experienced elevated moral distress and adverse psychological and functional outcomes during the COVID-19 pandemic

2023· article· en· W4388819044 sur OpenAlexafffundvenueabout
Andrea M. D’Alessandro-Lowe, Kimberly Ritchie, Andrea Brown, Bethany Easterbrook, Yuanxin Xue, Mina Pichtikova, Maxwell Altman, Isaac Beech, Heather Millman, Fatima Foster, Kelly Hassall, Yarden Levy, David L. Streiner, Fardous Hosseiny, Sara Rodrigues, Alexandra Heber, Charlene O’Connor, Hugo J. Schielke, Ann Malain, Randi E. McCabe, Ruth A. Lanius, Margaret C. McKinnon

Notice bibliographique

RevueHealth Promotion and Chronic Disease Prevention in Canada · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensLawson Health Research InstituteWestern UniversityVeterans Affairs CanadaRoyal Ottawa Mental Health CentreUniversity of OttawaSt. Joseph’s Healthcare HamiltonHomewood Research InstituteUniversity of TorontoMcMaster University
Organismes subventionnairesMcMaster UniversityU.S. Department of Veterans Affairs
Mots-clésAnxietyDistressDepression (economics)PsychologyAdverse effectMoral injuryClinical psychologyOddsPsychiatryPsychological resilienceMedicineLogistic regressionPsychotherapistInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Respiratory therapists (RTs) faced morally distressing situations throughout the COVID-19 pandemic, including working with limited resources and facilitating video calls for families of dying patients. Moral distress is associated with a host of adverse psychological and functional outcomes (e.g. depression, anxiety, symptoms of posttraumatic stress disorder [PTSD] and functional impairment) and consideration of position departure. The purpose of this study was to understand the impact of moral distress and its associated psychological and functional outcomes on consideration to leave a clinical position among Canadian RTs during the COVID-19 pandemic. METHODS: Canadian RTs (N = 213) completed an online survey between February and June 2021. Basic demographic information (e.g. age, sex, gender) and psychometrically validated measures of moral distress, depression, anxiety, stress, PTSD, dissociation, functional impairment, resilience and adverse childhood experiences were collected. RESULTS: One in four RTs reported considering leaving their position. RTs considering leaving reported elevated levels of moral distress and adverse psychological and functional outcomes compared to RTs not considering leaving. Over half (54.5%) of those considering leaving scored above the cut-off for potential diagnosis of PTSD. Previous consideration to leave a position and having left a position in the past each significantly increased the odds of currently considering leaving, along with system-related moral distress and symptoms of PTSD, but the contribution of these latter factors was small. CONCLUSIONS: Canadian RTs considering leaving their position reported elevated levels of distress and adverse psychological and functional outcomes, yet these individual-level factors appear unlikely to be the primary factors underlying RTs' consideration to leave, because their effects were small. Further research is required to identify broader, organizational factors that may contribute to consideration of position departure among Canadian RTs.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,920
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,244
Tête enseignante GPT0,514
Écart entre enseignants0,271 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations6
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueHealth Promotion and Chronic Disease Prevention in CanadaMême sujetEthics in medical practiceTravaux en français237 207