COVID-19: Experiences of Social Workers Supporting Older Adults With Dementia in Nigeria
Notice bibliographique
Résumé
Amidst the COVID-19 pandemic, numerous public health protocols were instituted by government agencies to safeguard individuals with dementia, their family caregivers, and formal care providers. While these preventive measures were implemented with good intentions, they inadvertently imposed significant challenges on medical social workers in Nigeria. This paper explored the experiences of medical social workers caring for people with dementia during the COVID-19 pandemic in Nigeria. Twenty-six medical social workers from 6 government hospitals in Southwestern Nigeria participated in an in-depth interview. The research reveals 3 pivotal aspects: Firstly, the escalating demands within the work environment, where medical social workers grapple with the intricate task of conveying sensitive information about dementia diagnosis and COVID-19 prevention protocol, managing expectations regarding dementia diagnoses, and navigating resource constraints for individuals with dementia during the pandemic. Secondly, discernible impacts on the work climate and interprofessional relationships shed light on the challenges these professionals face in collaborating with other healthcare providers. Lastly, the reverberations on social workers' personal lives underscore the pandemic's toll on their well-being. Thus, the findings underscore the need for proactive measures to equip medical social workers to face the distinctive challenges in dementia care during future pandemics. Recognizing the potential resurgence of global health crises, the research highlights the need for strategic preparedness to mitigate the impact of future pandemics on the well-being of individuals with dementia and the professionals dedicated to their care.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».