MétaCan
Menu
Retour à la cohorte
Enregistrement W6963872076 · doi:10.20381/ruor-28257

Untold Stories of the ER : Providing Care During the COVID-19 Pandemic as Narrated by Emergency Room Nurses in Toronto, Ontario, Canada

2022· other· en· W6963872076 sur OpenAlexaboutno aff

Notice bibliographique

RevueuO Research (University of Ottawa) · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeNarrative inquiryDutyPandemicContext (archaeology)WorkloadHealth careEmergency nursing

Résumé

récupéré en direct d'OpenAlex

As the COVID-19 pandemic has taken hold of Toronto, Ontario, Canada, and the world, it has highlighted many challenges healthcare workers face. Those nurses working in the emergency room (ER), settings that are under normal circumstances unpredictable and acute, have been particularly affected. This research aimed to explore the stories ER nurses tell to describe their experiences of working during the COVID-19 pandemic in Toronto, Canada. Narrative methodology was used to understand the thoughts, feelings, and problems facing ER nurses. The research study includes the stories of three Toronto-based ER nurses who share their experiences of working during the COVID-19 pandemic. Participants were interviewed twice, and data was analysed using the three-dimensional narrative inquiry space of time, sociality, and place. Plotlines of 'before they were heroes', 'hero', 'fall from grace', 'villain' and 'to be continued', organized each story. Resounding narrative threads emerged across the three narrative accounts and are presented as understandings. Threads that resonated across the stories include mistrust in leadership, fear and isolation, expectations and duty to care, nursing shortages, personal safety and PPE, workload and stress, moral and psychological distress, and lost voice. The findings of this inquiry offer a new context for understanding the thoughts, feelings, and problems facing ER nurses working in Toronto during the COVID-19 pandemic in a way that preserves, values, and respects the voices and stories of the nurses themselves, thus allowing for emotional healing while offering insight for nursing education, practice, and research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,478

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0270,013
Communication savante0,0060,003
Science ouverte0,0030,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,307
Écart entre enseignants0,273 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)Travaux en français237 207