‘We tried our best... it wasn’t great’: a qualitative study of clinician experiences on child psychiatry wards at the height of COVID-19
Notice bibliographique
Résumé
Changing public health and hospital protocols during the height of the COVID-19 pandemic shaped the provision of inpatient mental health care. While a growing body of research explores the challenges of restrictions on adult psychiatric wards, the impact on clinical teams and epidemiological trends in youth mental health, no research has explored inpatient psychiatric hospital services for child and adolescent psychiatry during the pandemic. This study seeks to understand how clinicians in Canada working in child and adolescent mental health wards experienced caring for their patients while navigating pandemic hospital restrictions. Following a qualitative descriptive methodology and also drawing on institutional ethnography we generated data using two methods: 1) an online survey of clinicians across the country asking about experiences providing care and COVID restrictions and 2) in-depth, semi-structured interviews with clinicians. Data from 54 surveys and 14 interviews were analyzed using thematic analysis yielding two major themes. First, clinicians felt that clinical care was compromised with likely impact on patient outcomes. Second, respondents reported that the context of the pandemic provoked tensions and resistance within the clinical teams and the institution. Our findings have important implications not only for future public health crises, but also for rethinking how psychiatric care is provided and prioritized. This study points to the need for 1) mechanisms which support collaborative decision making at the institutional level, to ensure regulations are more flexible and can adapt to the needs of child mental health patients; and 2) that child psychiatry prioritize generating spaces of ethical reflection for clinical teams and institutional decision-makers so that paternalism does not trump principles of primum non-nocere (first, do no harm), autonomy and reciprocity.
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 | 0,022 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,023 | 0,022 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».