Exploring the Ethical Tensions Experienced by Health Care Workers during Infectious Disease Outbreaks in Low- and Middle-income Countries: A Critical Interpretive Review of the Literature
Notice bibliographique
Résumé
OBJECTIVE: This review aimed to map the main ethical tensions experienced by health workers in low- and middle-income countries during infectious disease outbreaks. METHODS: We conducted a critical interpretive review of qualitative research studies. After searching 3 databases, 4445 articles were exported to Rayyan, deduplicated, and screened for eligibility. Of the 98 articles retained for full review, 25 met the inclusion criteria. Data were extracted to an Excel spreadsheet and key ethical tensions were identified using a descriptive content and thematic analysis approach. RESULTS: Twenty-three of the studies focused on the COVID-19 pandemic, and two addressed Ebola epidemics. Three major ethical tensions were experienced by health workers, which involved conflicts between their professional duty to patients, colleagues, and communities, as against their concerns for personal safety, the well-being of their families, and facing stigma and discrimination. Secondary tensions arose when health workers seeking to manage these primary ethical tensions experienced further uncertainty about whether to disclose information about their professional roles with family members or community. CONCLUSIONS: Ethical tensions are unavoidable during contagions, and may be amplified due to structural features. Authorities must take steps to support health workers as they navigate ethical tensions during localized epidemics or global pandemics.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».