MétaCan
Menu
Retour à la cohorte
Enregistrement W4412793375 · doi:10.1002/nop2.70279

<scp>COVID</scp>‐19 and Healthcare Workers Burnt out: A Qualitative Study of Burnout Experiences of Healthcare workers in a Secondary Hospital in Ghana

2025· article· en· W4412793375 sur OpenAlexaff
Seth Christopher Yaw Appiah, Elvis Mwinsome Sobiesuo, Bernard Obeng, Elsie Asamoah, Comfort Badu Mantey, Peter Dwumah, Mary Sefa Boampong, Abena Afrakomah Boateng, Richard Ofori, Michael Nimoh, Josephine Boakyewaa Nyarko, Jonathan Mensah Dapaah

Notice bibliographique

RevueNursing Open · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensWorkplace Health, Safety and Compensation Commission
Organismes subventionnairesnon disponible
Mots-clésHealth careThematic analysisFeelingBurnoutContext (archaeology)Qualitative researchNursingPandemicWorryPsychologyMedicineWorkloadPersonal protective equipmentAnxietyCoronavirus disease 2019 (COVID-19)PsychiatryClinical psychologySocial psychologyDiseaseManagementSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

AIM: The COVID-19 pandemic emerged between 2019 and 2021, and had a profound and far-reaching impact across all sectors of society, significantly altering daily life and working conditions especially for frontline health professionals. This study explored the burnout context that occurred among health workers, predominantly nurses during the peak of the COVID-19 pandemic in a secondary hospital facility in Ghana. DESIGN: Descriptive phenomenological design. METHODS: The study adopted a qualitative approach, anchored on a descriptive phenomenological design to explore the dynamics of burnt-out experienced by 12 healthcare staff at the Kwame Nkrumah University of Science and Technology (KNUST) hospital in Ghana during the COVID-19 pandemic. The (12) healthcare workers, which included six (6) male and six (6) female, were recruited using a convenient sampling technique, guided by a structured interview guide. Adopting a thematic approach, the transcribed data were analysed after data categorisation and manual coding. FINDINGS: Healthcare staff reported a significant increase in workload during the peak of COVID-19 cases, which subsided as case severity decreased over time. Healthcare workers recounted the pandemic's psychological toll, including symptoms of increased stress, worry, and despair exacerbated by severe burnout as a result of the crisis's relentless demands. Despite the obstacles, healthcare workers constantly emphasised their dedication to professionalism, indicating a strong feeling of obligation to maintain patient-centred treatment. A highlight was made in respect of exhaustion and emotional difficulties, though these experiences did not impair the quality of treatment delivered to clients. Providing respectful, empathetic, and equitable care to all patients irrespective of suspected COVID-19 or other diseases remained a central feature of services provided. PATIENT OR PUBLIC CONTRIBUTION: This paper presents findings relevant to the provision of quality client care in moments of extreme stress. It provides insights into the challenges nurses go through to secure their health and provide safety for the public in moments of general public fear and discomfort. The findings in this study invite the public to appreciate and equally empathise with emergency health care providers particularly during periods of pandemic.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,007
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,077
Tête enseignante GPT0,495
Écart entre enseignants0,418 · 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
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNursing OpenMême sujetCOVID-19 and Mental HealthTravaux en français237 207