MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408049115 · doi:10.1371/journal.pone.0315852

New graduate nurses’ experiences with and perceptions of their mental health and well-being during the COVID-19 pandemic: An interpretive description study protocol

2025· article· en· W4408049115 sur OpenAlexafffundabout
Robin Devey Burry, April Pike, Joy Maddigan, Peggy Rauman, Holly Burford, Joanne Smith-Young, Vernon Curran

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesWorkplaceNL
Mots-clésMental healthStaffingPandemicNursingChecklistHealth carePsychologyQualitative researchMedicineMedical educationCoronavirus disease 2019 (COVID-19)PsychiatryPolitical scienceSociologyDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has had a significant impact on healthcare workers. Healthcare workplaces are high stress environments placing care providers such as Registered Nurses at high risk for occupational stress injuries related to poor mental health. Currently, healthcare authorities rely on new graduate nurses to help fill gaps in staffing; however, novice nurses are especially vulnerable to workplace illnesses, with the recent pandemic contributing to this risk. Research is needed to understand new graduate nurses' experiences and perceptions of their mental health and well-being as they transition to practice in the COVID-19 pandemic and the supportive resources they require to assist in contributing to healthy workplaces. OBJECTIVES: 1) To explore new graduate nurses' experiences and perceptions of their mental health and well-being as they transitioned to practice during the COVID-19 pandemic in Newfoundland and Labrador, Canada; 2) To understand new graduate nurses' awareness and use of available mental health supports and resources during the COVID-19 pandemic; and 3) To identify strategies and resources to support new graduate nurses' mental health and well-being as they transitioned to practice during a public health crisis. METHODS: An interpretive description research methodology will be used to conduct this study. The COnsolidated criteria for REporting Qualitative research (COREQ) checklist will be used to verify both the structure of the study and presentation of findings. Approximately forty semi-structured interviews will be conducted with new graduate nurses who worked in Newfoundland and Labrador in 2020, 2021 or 2022. Data collected will be analyzed using thematic analysis with descriptive statistics used to present demographic information. RESULTS: The results of this study will help inform changes to existing workplace programs and contribute to the development of new processes to support new graduate nurses' mental health and well-being as they transition to practice during a public health crisis such as COVID-19.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,056
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,041
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0070,005
Communication savante0,0040,003
Science ouverte0,0040,005
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0230,004

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,431
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→