La détresse morale vécue par les infirmières : état des connaissances
Bibliographic record
Abstract
Durant leur carrière, les infirmières de tous les milieux de pratique sont susceptibles de vivre de la détresse morale. Malgré les nombreuses conséquences à court et long terme sur l’organisation de santé, la santé des infirmières, la qualité et la sécurité des soins dispensés aux patients, les actions pour prévenir la détresse morale demeurent encore peu documentées. Cet article a pour but de circonscrire, à travers les écrits, le phénomène de la détresse morale vécue par les infirmières et de proposer des stratégies d’interventions susceptibles de contribuer à la prévenir chez ces dernières. La psychodynamique du travail (PDT) guidera l’ensemble de la réflexion à l’aide des concepts centraux de cette approche, à savoir : la souffrance au travail (en lien avec l’organisation du travail) et les stratégies de défense développées par les infirmières en réaction à la souffrance au travail. Cet article a permis d’identifier, à travers les écrits, les facteurs influençant la détresse morale chez les infirmières et les conséquences qu’elle peut entraîner. Les stratégies d’intervention efficaces susceptibles de la prévenir sont proposées et des pistes d’action sont suggérées pour les organisations et les gestionnaires désireux de réduire, voire de prévenir, la détresse morale chez les infirmières.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".