Impact of COVID-19 Pandemic on the Quality of Life of Nurses Working in the Public Sector Tertiary Care Hospitals of Karachi
Notice bibliographique
Résumé
COVID-19 has a substantial influence related to the quality of life of nurses by increasing the number of patients, which increases the work burden and stress level. Objective: To determine the impact of the COVID-19 pandemic on the quality of life of nurses working in the public sector tertiary care hospitals of Karachi. Methods: Present an analytical cross-sectional study design was employed to determine the quality of life of working by using a non-probability convenient sampling technique to recruit 240 nurses. The quality of life of nurses was assessed by using the McGill Quality of Life (QoL) revised questionnaire. Results were considered significant at p-value of ≤0.05. Results: Out of a total of 240 nurses, most of them 135 (56.2%) were male, 177(73.88%) married, 128, 53.3% Post RN qualification, and 99 (41.2%) 6 to 10 years of working experience. The mean+SD of the overall QoL of nurses was 6.56+2.53. Based on multiple logistic regression analysis, males had 2.79 times better QOL during the COVID-19 pandemic as compared to females (ORadj=2.79, 95% CI: 1.05 - 7.45, p= 0.04). Similarly, married persons had 3.06 times better QOL during the COVID-19 pandemic as compared to others (ORadj=3.06, 95% CI: 2.14 – 3.34, p= 0.003). Conclusions: It is concluded that the COVID-19 pandemic has a significant effect on all aspects of the physical, psychological, existential and social quality of life of nurses working in the public sector tertiary care hospitals of Karachi, Pakistan
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 | 0,015 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».