Mental Health of Frontline Nurses in India During COVID-19: A Multisite Study
Notice bibliographique
Résumé
Background The COVID-19 pandemic has been difficult for all healthcare providers. Nurses in Indian hospitals are at risk for mental health consequences of COVID-19-related stress. The study aimed to evaluate the mental health responses of Indian nurses working during the COVID-19 pandemic. Method The study was carried out during the COVID-19 pandemic from November 2020 to February 2021. Frontline nurses (n=387) working in both government and private sectors were recruited from four hospital centers across Mangalore, India. Nurses were selected based on specific inclusion criteria, including active duty within wards and intensive care units designated for COVID-19 care or suspected cases of SARS-CoV-2 infection. Recruitment and data collection were facilitated by medical residents using a mix of physical and electronic survey methods. Results Nurses within the private sector with low personal protective equipment (PPE) security experienced heightened anxiety. Somatic symptoms were incrementally related to mental health depending on the workplace setting; private sector staff reported greater depression symptoms compared to those in government-run hospitals. Self-efficacy buffered against depression outcomes only in nurses within the private sector working within non-COVID units. Conclusions This study's findings showed differential responses to the stress of COVID-19 based on the setting. Future studies should further explore the factors associated with such differences. Somatic symptoms can be indicators of mental health adversity. Early detection and supportive interventions need to be taken into account.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».