From Moral Distress to Moral Integrity: Qualitative Evaluation of a New Moral Conflict Assessment Tool
Notice bibliographique
Résumé
BACKGROUND: Moral distress affects the well-being of health care professionals and can lead to burnout and attrition. Assessing moral distress and taking action based on this assessment are important. A new moral conflict assessment (MCA) designed to prompt action was developed and tested. OBJECTIVE: To evaluate the utility of the MCA. METHODS: All intensive care unit professionals in 3 hospitals were invited to attend a presentation about the MCA and to participate in semistructured interviews that followed the steps of the MCA. Transcriptions of interviews were interpreted by using qualitative content analysis. RESULTS: Analysis of individual interviews of 7 participants and 1 focus group of 3 participants revealed that the MCA was a catalyst for expressing feelings and characterizing moral distress, but optimal use required a facilitator. Participants noted that prevention and amelioration of moral distress were determined by organizational culture issues such as consistent understanding of what can be accomplished in the intensive care unit, resolution of power imbalances among staff, and psychological safety to mention moral issues. Structural determinants included disparate work and education schedules between nurses and physicians. Leader determinants included listening to staff and ensuring accountability to address causes and consequences of moral distress. Education and communication were proposed most often as solutions for moral distress. CONCLUSIONS: The evaluation revealed positive and negative features of the MCA. Prevention and amelioration of moral distress require attention to cultural, structural, and leadership issues through education and communication.
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 | 0,008 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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 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 ».