Occupational Stressors and Coping Mechanisms Among Obstetrical Nursing Staff Throughout the COVID-19 Pandemic
Notice bibliographique
Résumé
Background: As a result of heightened occupational stress throughout the COVID-19 pandemic,nurses in hospitals are experiencing high rates of depression, anxiety, and burnout. However,nurses in obstetrical departments have had unique challenges and have experienced specificsources of stress that remain unclear.Methods: Semi-structured interviews were conducted with twenty obstetrical nurses that workedat an Ontario tertiary care centre during the COVID-19 pandemic. Participants shared theirexperiences of working during the pandemic, focusing on job stressors, personal resources, anddesires for job resources. Interviews were audio-recorded, transcribed verbatim and coded usingNVivo. Data was analyzed using a theoretical thematic approach based on the Job Demands-Resources (JD-R) model.Results: Key job stressors identified included having an increased workload, fear of COVID-19transmission, providing proper patient care, and overwhelming physical demands. Moreover,participants expressed they felt undervalued, inadequately supported, and burned-out during thepandemic. The most common personal resources used to cope with additional stress were relyingon family members, friends, and colleagues for support, in addition to utilizing personal hobbiesto decompress. Lastly, participants were able to provide suggestions on how to improve jobresources, focusing on improving mental and physical support, communication, and retention.Conclusion: This study provides an in-depth understanding of the COVID-19 workingconditions of Ontarian obstetrical nurses, while highlighting that they were provided withinadequate levels of job resources to manage increased job demands. Findings from this studycan help inform hospital management on how they can better support and meet the needs ofthose working in maternal care during major disease outbreaks. À la demande de l'auteur, le résumé a été retiré en raison de la nature confidentielle de la thèse. Il sera ajouté une fois la période d'embargo terminée.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».