Impacts of the COVID-19 pandemic on the mental health of frontline hospital-based nurses: rapid review and meta-analysis
Notice bibliographique
Résumé
The COVID-19 pandemic focused the world’s attention on the gross relative health risks, inequities and injustices experienced by first responders, of whom front-line, hospital-based nurses may be the most vulnerable. A series of research syntheses prior to the pandemic estimated that such front-line nurses were at approximately two-fold greater risk of experiencing mental health challenges such as increased symptoms (and diagnoses) of anxiety, depression and PTSD than were nursing administrators or otherwise similar, people in the general population. Aiming to clarify how the pandemic impacted such mental health risks, we conducted a rapid review and meta-analysis of observational studies from the worldwide published and gray research literature. Twelve longitudinal studies that covered the pandemic’s pre-vaccination phase were included. The overall pooled increased relative risk of mental health challenges among frontline, hospital-based nurses from pre-pandemic to the pre-vaccination phase of the COVID-19 pandemic was 2.62 (95% CI 2.10, 3.27). But sensitivity and moderator analyses accounting for research design limitations better estimated two-fold increased risks (relative risks ranged from 1.69 to 2.00). Already at elevated risk of experiencing symptoms of anxiety, depression and PTSD and so, such increased symptoms and diagnoses among front-line, hospital-based nurses probably doubled during the early, pre-vaccination phase of the pandemic, perhaps quadrupling among women. Implications for nursing practice, health care policy, future pandemic preparedness as well as future research are discussed.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».