The general experience and moral distress of nurses in the sociocultural context of the intensive care unit and the COVID-19 pandemic: A focused ethnography
Notice bibliographique
Résumé
Background and purpose: Moral distress is defined by Morley et al. (2019, p. 3) as “a direct causal link between the experience of a moral event and psychological distress.” It can lead to psychological, physical, and organizational consequences. The COVID-19 pandemic exacerbated and created factors that may have contributed to moral distress in intensive care (ICU) nurses. The framework for this study is the typology of moral distress written by Morley, Sese et al. (2020). The purpose of this study is to understand the general experience and moral distress of nurses better, in the sociocultural context of the ICU and the COVID-19 pandemic. Method and procedures: A qualitative focused ethnography design was used. The data collection was carried out by observations with field notes, an observation grid, informal exchanges with general informants, semi-structured interviews with key informants, as well as a reflective journal. Data analysis was conducted with the constant comparison method. Results: Eight key informants between the ages of 26 and 50 participated in the interviews. Three main themes emerged: 1) the temporality of the pandemic, 2) factors influencing the general experience, and 3) moral distress. Discussion: The type of moral distress most experienced by participants was that of moral constraint, when informants felt that their patients were suffering or that there was therapeutic futility. The second most common type of distress was that of moral tension, as nurses felt they could not talk about their experiences with anyone. Conclusion: Moral distress is a common phenomenon amongst RNs, already known in the sociocultural context of the ICU. The circumstances of the pandemic only exacerbated and added to this moral distress. Recommendations were made to mitigate moral distress in times of crisis. Keywords: moral distress, registered nurses, intensive care unit, culture, focused ethnography
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».