Emergency responses for a health workforce under pressure: Lessons learned from system responses to the first wave of the pandemic in Canada
Notice bibliographique
Résumé
The global health workforce crisis, simmering for decades, was brought to a rolling boil by the COVID-19 pandemic in 2020. With scarce literature, evidence, or best practices to draw from, countries around the world moved to flex their workforces to meet acute challenges of the pandemic, facing demands related to patient volume, patient acuity, and worker vulnerability and absenteeism. One early hypothesis suggested that the acute, short-term pandemic phase would be followed by several waves of resource demands extending over the longer term. However, as the acute phase of the pandemic abated, temporary workforce policies expired and others were repealed with a view of returning to 'normal'. The workforce needs of subsequent phases of pandemic effects were largely ignored despite our new equilibrium resting nowhere near our pre-COVID baseline. In this paper, we describe Canada's early pandemic workforce response. We report the results of an environmental scan of the early workforce strategies adopted in Canada during the first wave of the COVID-19 pandemic. Within an expanded three-part conceptual framework for supporting a sustainable health workforce, we describe 470 strategies and policies that aimed to increase the numbers and flexibility of health workers in Canada, and to maximise their continued availability to work. These strategies targeted all types of health workers and roles, enabling changes to the places health work is done, the way in which care is delivered, and the mechanisms by which it is regulated. Telehealth strategies and virtual care were the most prevalent, followed by role expansion, licensure flexibility, mental health supports for workers, and return to practice of retirees. We explore the degree to which these short-term, acute response strategies might be adapted or extended to support the evolving workforce's long-term needs.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,006 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».