Experiences on the frontline: Qualitative accounts of South African healthcare workers during the COVID-19 pandemic
Notice bibliographique
Résumé
Background: The COVID-19 pandemic significantly impacted people's mental health significantly. Frontline healthcare workers (HCWs) were arguably most affected, particularly in low-to-middle-income countries like South Africa. Understanding their experiences is important to inform interventions for social and psychological support for future pandemics. Aim: This study explored the experiences of frontline HCWs in South Africa during the COVID-19 pandemic. Setting: The sample included HCWs from various professions and health sectors who worked with COVID-19 patients across South Africa. Methods: An exploratory descriptive qualitative design was used. Semi-structured interviews were conducted with 11 frontline HCWs recruited via purposive sampling. Data were analysed using principles of inductive thematic analysis. Results: Four major themes were identified in the data: (1) Working during COVID-19 was an emotional rollercoaster; (2) Working during COVID-19 was physically and mentally exhausting; (3) Participants held negative attitudes towards the Department of Health; and (4) COVID-19 had a transformative impact on the daily life of HCWs. Conclusion: HCWs' experiences were diverse and marked by contradictions. Limited psychological support and resources aggravated experiences. However, a positive narrative of hope and gratitude also resonated with participants. Qualitative methodologies provided depth and insights into the diverse realities of frontline HCWs. Contribution: This study provides significant insights into the experiences of a diverse group of frontline South African HCWs during COVID-19. It demonstrates a shift in the definition of a 'frontline' HCW and highlights the need for greater psychological support and individualised public health interventions during future pandemics.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».