MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410523745 · doi:10.1136/bmjoq-2025-qshu.147

147 Analysis of coping strategies employed by nurses during the COVID-19 pandemic crisis by career paths

2025· article· en· W4410523745 sur OpenAlexaff
Beaulieu Cloé, T Vaillancourt Vanessa, Deschênes Catherine, Dan Iulian Alexe, Morin Anaëlle, Perron Marie-Êve, Lowry Véronique, Poitras Marie-Eve

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicCoping (psychology)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PsychologyVirologyMedicineClinical psychologyInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

Introduction Before the pandemic, nurses worldwide faced difficult working conditions, including staff shortages, heavy workloads, and traumatic experiences. 1 2 These factors contributed to overwork and chronic fatigue, negatively impacting both the quality of care provided and the health of caregivers.3 Studies conducted before COVID-19 revealed that nurses felt inadequately prepared and lacked the confidence to handle crises.4 The COVID-19 crisis intensified these issues, exposing structural and psychological vulnerabilities.Objectives This study aims to identify the coping strategies nurses employed during the COVID-19 health crisis, analyze their effects on professional trajectories, and propose mechanisms that healthcare institutions can utilize to support nurses’ adaptation in times of health emergencies.Methods As part of a mixed-methods study on nurses’ career paths, we conducted semi-structured interviews with 74 nurses categorized into five career trajectories. 5 6 Two research assistants conducted each interview (~1.5 hours). We employed journey mapping methodology and analyzed data using a framework approach, integrating inductive and deductive methods.7 8 Lazarus and Folkman’s Transactional Model of Stress and Coping guided our analysis.9–11 Results Sanitary measures shaped available coping strategies, underscoring the value of proactive approaches. Nurses who used problem-solving methods (planning, seeking support, adapting) managed stress more effectively than those relying on avoidance (consumption, denial, disengagement). High-risk area nurses reported elevated stress, while those who shifted roles fared better. Many underutilized employer-provided support resources. Some strategies facilitated crisis management but also introduced new challenges.Conclusion Understanding the coping strategies nurses use during the pandemic provides critical insights for strengthening resilience and improving retention. Healthcare institutions must adapt support mechanisms to foster long-term well-being and workforce stability.References Hegney DG, Craigie M, Hemsworth D, et al. Compassion satisfaction, compassion fatigue, anxiety, depression and stress in registered nurses in Australia: study 1 results. J Nurs Manag. May 2014;22(4):506–518.Khamisa N, Peltzer K, Oldenburg B. Burnout in relation to specific contributing factors and health outcomes among nurses: a systematic review. Int J Environ Res Public Health. May 31 2013;10(6):2214–2240.Alderson M, Parent-Rocheleau X, Mishara B. Critical review on suicide among nurses. Crisis. Jun 2015;36(2):91–101.Labrague LJ, Hammad K, Gloe DS, et al. Disaster preparedness among nurses: a systematic review of literature. Int Nurs Rev. Mar 2018;65(1):41–53.Fortin M-F, Gagnon J. Fondements et étapes du processus de recherche: méthodes quantitatives et qualitatives. Montréal: Chenelière éducation 2016.Gallagher F, Marceau M. La recherche descriptive interprétative. In: Corbière M, Larivière N, eds. Méthodes qualitatives, quantitatives et mixtes: dans la recherche en sciences humaines, sociales et de la santé. Vol 2e ed: Presses de l’Université du Québec; 2020:5–32.Davies EL, Bulto LN, Walsh A, et al. Reporting and conducting patient journey mapping research in healthcare: a scoping review. J Adv Nurs. Jan 2023;79(1):83–100.Miles MB, Huberman AM, Saldaña J. Qualitative data analysis : a methods sourcebook. Fourth edition ed. Los Angeles: SAGE; 2020.Lazarus R, Folkman S. Stress, Appraisal, and Coping. New York: Springer; 1984.Lazarus RS, Folkman S. Transactional theory and research on emotions and coping. European Journal of Personality 1987;1(3):141–169.Carver CS, Scheier MF, Weintraub JK. Assessing coping strategies: a theoretically based approach. J Pers Soc Psychol. Feb 1989;56(2):267–283.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,439
Écart entre enseignants0,372 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission1
Résumé présentnon

Explorer davantage

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