MétaCan
Menu
Retour à la cohorte
Enregistrement W4413030160 · doi:10.1111/inr.70083

Deployed in Disaster: Perspectives of Personnel Deployed in Ontario Long‐Term Care During the Pandemic

2025· article· en· W4413030160 sur OpenAlexaffabout
David Oldenburger, Andrea Baumann, Mary Crea‐Arsenio, Raisa Deber, Vishwanath V. Baba

Notice bibliographique

RevueInternational Nursing Review · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensToronto Rehabilitation InstituteMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésThematic analysisChecklistHealth careNursingPandemicExploratory researchPsychologyQualitative researchMedicinePublic relationsCoronavirus disease 2019 (COVID-19)Political scienceSociology

Résumé

récupéré en direct d'OpenAlex

AIM: The aim of the study is to explore the experience and perspectives of healthcare personnel deployed from the hospitals and military into long-term care (LTC) in Ontario during the pandemic. BACKGROUND: Personnel from acute care hospitals, community care, the Canadian Armed Forces (CAF), and the Canadian Red Cross were deployed in support of LTC homes across Ontario. INTRODUCTION: This article reports on the study of personnel deployed into LTC during the COVID-19 pandemic. Understanding the experiences and lessons learned will be useful to improve planning and responses to future pandemics and disasters. METHODS: A descriptive, exploratory research study design with a demographic questionnaire and semi-structured interviews was used. Data analysis used a combination of open and process coding to identify thematic categories. The COREQ checklist was used for reporting on the study. FINDINGS: Interviews were conducted with 30 participants who described common challenges of navigating the unknown, defining one's role, and establishing order. Lessons included the importance of adaptability, flexibility, and pragmatism and emphasized the role of leadership. DISCUSSION: The findings highlight challenges that personnel from civilian and military backgrounds experience when responding to disaster, and underscore the importance of communication, effective leadership, and cohesive teams. These findings are consistent with existing literature, contribute to the understanding of how personnel in disasters address challenges, and inform how to better prepare and train personnel for future disasters. IMPLICATIONS FOR NURSING AND HEALTH POLICY: These findings can be used to inform disaster theory and practice, including disaster competencies such as the International Council of Nurses Disaster Nursing Competencies, and provide a framework to improve disaster planning and responder training.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,113
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,419
Écart entre enseignants0,385 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Nursing ReviewMême sujetDisaster Response and ManagementTravaux en français237 207