We did our Best!: The Experience of Frontline Workers in Long-Term Care during COVID-19 Outbreaks
Notice bibliographique
Résumé
In Canada, the COVID-19 pandemic had devastating effects for those living in long-term care (LTC) homes, yet little is known about the experiences of the frontline workers who endured in those settings with COVID-19 outbreaks. Specialized knowledge will improve our understanding of the effects of the pandemic on frontline workers (FW), enabling the development of stronger practices. The purpose of this research was to gain a deeper understanding of the experiences of FW caring for residents in LTC homes during a COVID-19 outbreak, using narrative inquiry. The methods used for data collection include interviews, field notes, and photovoice. Participants were asked to capture photographs representing their experience working during the COVID-19 outbreak at their LTC home. Participants' stories were collected through reflection on their photographs in interviews. The setting for this research was LTC homes in Ontario, Canada. Data analysis followed Frank's hermeneutic method of analysis of stories. Psychosocial effects, support, loss of normalcy, increased workload, and altruism and dedication resonated throughout the three participants' stories. The burnout, stress, and mental exhaustion, as detailed by the participants, emphasizes the importance of protecting the mental health of the FW during outbreaks. Equipping FW with relevant knowledge helped them to feel prepared and confident in protecting the residents, themselves, and their families. Support from management personnel influences the experience of FW during infectious outbreaks.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,010 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 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 ».