Lessons From the COVID‐19 Pandemic: The Role of Interventions in Relieving Mental Stress
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has significantly impacted healthcare workers' mental health worldwide. Although increased stress, anxiety, and burnout are well documented, there is limited evidence on the effectiveness of workplace interventions such as infection prevention and control (IPC) and personal protective equipment (PPE) training in mitigating these effects. AIM: To examine the association between IPC training, PPE training, and consistent adherence to safety protocols with self-reported mental health outcomes among healthcare workers in Canada during the COVID-19 pandemic. METHODS: This study analyzed data from 12,727 healthcare workers who responded to a 2021 Statistics Canada crowdsource survey. Logistic regression models assessed the relationship between mental health status (same/better vs worse compared to pre-pandemic) and three predictors: sufficient IPC training, sufficient PPE training, and consistent protocol adherence, controlling for demographic and occupational factors. RESULTS: Adequate IPC and PPE training, along with consistent adherence to protocols, were significantly associated with better self-reported mental health outcomes across healthcare worker groups. Regional differences and survey design limitations affecting generalizability are acknowledged. CONCLUSIONS: Basic workplace interventions such as IPC and PPE training and adherence to safety protocols may help protect healthcare workers' mental health during public health crises. Policymakers should prioritize these feasible, low-cost measures to mitigate pandemic-related psychological distress.
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».