Addressing the mental health needs of healthcare professionals in Africa: a scoping review of workplace interventions
Notice bibliographique
Résumé
Healthcare workers in Africa face considerable stress due to factors like long working hours, heavy workloads and limited resources, leading to psychological distress. Generally, countries in the global north have well-established policies and employee wellness programs for mental health compared to countries in the global south. This scoping review aimed to synthesize evidence from published and grey literature on workplace mental health promotion interventions targeting African healthcare workers using Social Ecological Model (SEM) and the Job Demands-Resources (JD-R) model as an underlying theoretical framework for analysis. Arksey and O'Malley framework for scoping reviews was used. The search was conducted across multiple databases. A total of 5590 results were retrieved from Ovid MEDLINE, Ovid Embase, Ovid PsycINFO, Cochrane Library, CINAHL, Scopus and Web of Science. Seventeen (17) studies from ten (10) African countries were included after title, abstract and full text screening. Thematic analysis identified 5 key themes namely training programs, counselling services, peer support programs, relaxation techniques and informational resources. In conclusion, even though limited workplace mental health interventions for healthcare professionals were identified in Africa, individual-level interventions have been notably substantial in comparison to organizational and policy-level initiatives. Moving forward, a multi-faceted approach unique to the African context is essential.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».