Factors influencing workload and stress during resuscitation – A scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aim: This scoping review aimed to identify potential variables influencing healthcare provider's perceived workload or stress when performing resuscitation on patients in cardiac arrest. Methods: We searched Medline, EMBASE, PsycINFO, Cochrane, and Allied Health Literature (CINAHL) to identify studies published prior to February 1, 2024. We used a PECO format for this review: the population were healthcare providers performing resuscitation during simulated or real cardiac arrest; the exposure was the presence of any factor that could impact perceived workload or stress; and the comparator was the absence of any specific factor. Outcome variables, including self-reported questionnaires, objective and subjective measures, and any variables identified to have impact on workload and/or stress were extracted. Results: Of the initially identified 10,165 studies, 24 studies (20 RCTs, 2 quasi-experimental studies and 2 observational studies) were ultimately included. Among them, a wide variety of factors influencing perceived stress or workload were identified. High heterogeneity among studies was observed. We categorized factors into the following entities: (1) team composition and roles; (2) telemedicine; (3) workflow; (4) tools; (5) cognitive aids; (6) presence of friends and family, and (7) provider experience and exposure, representing the modifiable factors for future interventions. Conclusion: This scoping review provides an overview of factors influencing workload and stress during real and simulated cardiac arrest resuscitation. These findings highlight the need for targeted strategies to effectively manage workload and stress during resuscitation.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle