P-251 HOW DID CANADIAN HEALTHCARE WORKERS DESCRIBE STRESSORS DURING THE COVID-19 PANDEMIC?
Notice bibliographique
Résumé
Abstract Introduction Few studies have reported stress factors in healthcare workers (HCW) using open-ended questions, which collect a higher diversity of respondent perceptions than anticipated by researchers. Our objective was to describe stress factors reported by HCW in open-ended questions during the four phases of a large cohort study in Canada. Methods A prospective cohort of 4964 HCW was assembled with physicians, nurses, healthcare aides and personal support workers recruited from Alberta, British Columbia, Ontario and Quebec. Participants completed 4 online questionnaires (phase 1 in spring/summer 2020, phase 2 in fall 2020, phase 3 in spring 2021, phase 4 in spring 2022). Each questionnaire included an open-ended question on stressful events since the start of the pandemic or since the previous questionnaire. Responses were classified into 29 categories. Results Eight stress categories were reported 1000 times or more among the 17,436 questionnaires from the 4 phases. Five categories showed a downward trend over time: fear of COVID-19, difficult access to personal protective equipment, changing guidelines, management of difficult cases, changes to work routine. An increasing trend was noted for volume of work, and poor behavior from the public or staff. Difficulties managing patients’ deaths remained quite steady. Discussion Reporting of most stressors has decreased over the pandemic. However, the volume of work and the poor behavior of the public, patients and coworkers were seen to increase, consistent with reports of overtime work late in the pandemic. Conclusion The expression of stressors in open-ended questions helps identify levers for reducing them.
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 | 0,002 | 0,002 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».