Evaluating peer support as an intervention to reduce the adverse sequelae associated with ethical dilemmas
Notice bibliographique
Résumé
Background: Regular exposure to ethical dilemmas can impact a nurse’s well-being and by extension, the healthcare system. Peer support programs are interventions that have been implemented to mitigate these effects. CARED rounds are a local peer support program that has not been evaluated since implementation in 2020 and thus, the efficacy in addressing ethical dilemmas is unknown. Purpose: I aimed to evaluate CARED rounds’ efficacy in addressing the adverse consequences of ethical dilemmas and determine the potential benefits, challenges and opportunities for improvement. Methods: I completed a literature review, consultation with stakeholders, and an evaluation of CARED rounds, including a questionnaire and interviews. The Moral Distress Scale-Revised (MDS-R) captured moral distress levels. Results: Peer support programs, including CARED rounds, have promoted resilience and camaraderie among participants by validating their feelings, decreasing feelings of isolation, and improving job satisfaction. Moderate moral distress levels were observed in both participant and non-participant groups, suggesting that while CARED rounds offer some support, broader sources of distress could remain. Key barriers to attendance included scheduling conflicts, staff workloads, and insufficient understanding of CARED rounds’ benefits among non-participants. Conclusion: Most registered nurses, regardless of participation status report moderate moral distress levels suggesting that CARED rounds offer some support but may not fully address broader sources of moral distress. Addressing logistical challenges and enhancing communication about the program’s benefits could improve participation and ensure greater alignment with its intended design.
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 | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».