Staff Resiliency in Long-Term Care during the COVID-19 Pandemic: A Qualitative Study
Notice bibliographique
Résumé
The COVID-19 pandemic has had a major impact on long-term care facilities (LTCFs). While much attention has been paid to the impact of the pandemic on residents, less attention has been given to the experiences of staff and factors impacting their resilience in facing challenges working in LTCF. This research describes the factors contributing to the resiliency of LTCF staff during the COVID-19 pandemic in northern British Columbia (BC). Transcripts from 53 participants who completed one-hour semi-structured interviews were included and thematic analysis was conducted. All participants had experience working in a LTCF facility in northern BC during the pandemic. The LTCF staff described resilience as the ability to adapt to changing circumstances and protocols, while also maintaining a positive attitude and uplifting spirits during times of adversity. The analysis revealed five key themes influencing staff resilience: (1) availability and provision of resources for staff, (2) leadership and management within LTCFs, (3) social support available to staff, (4) impact of residents’ morale on staff resilience, and (5) personal attributes and characteristics of the staff. Understanding and addressing the five themes can guide the development of targeted strategies and interventions aimed at enhancing staff resilience and well-being during challenging circumstances. By recognizing and addressing the specific needs of LTCF staff, it is possible to improve the overall quality of care provided in LTCF and promote the well-being of both residents and staff. The findings shed light on the interplay of these themes and their profound influence on LTCF staff. Identifying staff’s needs and factors that contribute to their resilience may lower staff turnover, leading to a stronger and more resilient healthcare system, capable of safeguarding vulnerable populations, particularly during times of crisis such as the COVID-19 pandemic.
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 | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,008 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».