Well-being of health workers during the COVID-19 pandemic in Quebec, Canada
Notice bibliographique
Résumé
Patient care is closely tied to provider well-being. While health workers’ burnout, stress, mental health, anxiety, and depression have been a concern for over a decade, it has only become at the centre of attention since the COVID-19 pandemic. There is growing evidence on prevalence and factors of various dimensions of well-being. However, most studies focus on specific types of health workers, which does not enable comparison and understanding of potential differences between types of workers. The study aims to fill this gap by examining the well-being of health workers in the fall of 2021, during the COVID-19 pandemic in Quebec, Canada, with stratification by type of health worker and on different dimensions of well-being. We used data from the Survey on Health Care Workers' Experiences During the Pandemic, conducted by Statistics Canada between September 2, 2021, and November 12, 2021. Our findings show rates of poor mental health, anxiety, and depression of 38 %, 21 % and 13 % respectively. Emotional distress was associated with anxiety, depression and poor mental health for all types of health workers. Having a health issue was associated with anxiety for all types of health workers. Experiencing stigma was associated with poor mental health for all types of health care workers, while for anxiety and depression, it was significant for the study population as a whole, but not for each group in stratified analyses. Conflicts between colleagues were associated with poor mental health across all types of health workers. Prevalence of anxiety, depression and poor mental health are high among health workers. Although there are common factors, there are also some specificities by type of worker, which suggests that strategies need to be customized to address the different dimensions and improve the well-being of health workers.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».