Sleep Quality of Healthcare Professionals during the COVID-19 Pandemic in the Americas: a Qualitative Systematic Review and Meta-aggregation.
Notice bibliographique
Résumé
Introduction: The COVID-19 pandemic increased physical and mental stress and altered the work processes of healthcare professionals, impacting their sleep quality. The aim of the study was to identify and synthesize the perceptions and experiences of healthcare professionals, including nurses, doctors, and residents in the Americas, regarding sleep quality during the COVID-19 pandemic. Methods: The qualitative systematic review and meta-aggregation of qualitative data followed the JBI SUMARI protocol, based on PICO. Studies published between 2020 and 2023 were included. Data were extracted from databases: BIREME, PubMed, CINAHL, Embase, Scopus, Cochrane Library, Web of Science, Google Scholar, Cybertesis, and Canadian Dissertation and Theses. Qualitative data were separated and aggregated to domains. The quality of the studies was evaluated by JBI protocols, the level of evidence was analyzed. Results: Out of 900 screened and 47 selected studies, four analyzed 72 healthcare professionals, all nursing, with moderate study quality. Two main themes with high ConQual scores emerged: 1) the pandemic caused significant physical and mental health problems, which were either triggered by or expressed in sleep disorders; 2) professionals identified strategies to mitigate difficulties and challenges in the work environment. Conclusion: The pandemic had direct repercussions on the sleep quality of health professionals, highlighting the need for support programs and interventions to improve sleep quality.
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 | 0,055 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,013 |
| Bibliométrie | 0,017 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».