A longitudinal study of hospital workers’ mental health from fall 2020 to the end of the COVID-19 pandemic in 2023
Notice bibliographique
Résumé
Most longitudinal studies of healthcare workers' mental health during COVID-19 end in 2021. We examined trends in hospital workers eight times, ending in 2023. A cohort of healthcare workers at one organization was surveyed at 3-month intervals until Spring 2022 and re-surveyed in Spring 2023 using validated measures of common mental health problems. Of 538 workers in the original cohort, 289 (54%) completed the eighth survey. Repeated-measures ANOVA revealed significant changes in psychological distress (F = 7.4, P < .001), posttraumatic symptoms (F = 14.1, P < .001), and three dimensions of burnout: emotional exhaustion (F = 5.7, P < .001), depersonalization (F = 2.7, P = .01), and personal accomplishment (F = 2.8, P = .008). Over time, psychological distress and depersonalization increased, posttraumatic symptoms and personal accomplishment decreased, and emotional exhaustion fluctuated significantly without net change. Most measures did not improve significantly in the year prior to the declaration of the pandemic's end. The lack of improvement in psychological distress, emotional exhaustion, depersonalization, and personal accomplishment during the period in which COVID-19 case rates declined and public health measures were relaxed is a concerning indication of the chronicity of the impact of the pandemic on healthcare workers.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».