Accès direct à des traitements en santé mentale pour les travailleurs de la santé : un aperçu des demandes au cours des cinq premières vagues de la pandémie de COVID-19 en Ontario
Bibliographic record
Abstract
Introduction Les travailleurs de la santé ont fait état d’effets néfastes sur leur santé mentale dus à la pandémie de COVID-19. Nous avons exploré le profil sociodémographique des travailleurs de la santé ayant demandé par eux-mêmes à recevoir des soins de santé mentale, l’évolution des demandes de traitement au fil des vagues de COVID- 19, la nature des principaux problèmes ayant motivé les demandes et leurs changements lors de la pandémie. Méthodologie Cinq grands établissements de santé de l’Ontario ont fourni du soutien en santé mentale aux travailleurs de la santé pendant la pandémie. Des données ont été recueillies à partir de 2725 demandes de traitement présentées par des travailleurs de la santé entre mai 2020 et mars 2022, à savoir la fréquence des demandes, les principaux problèmes de santé mentale ayant motivé les demandes et divers renseignements sociodémographiques (l’origine ethnique, le sexe, l’âge, le milieu de travail, la profession et l’obtention antérieure d’un diagnostic ou d’un traitement pour un problème de santé mentale). Résultats Les travailleurs de la santé qui ont demandé à recevoir du soutien étaient en majorité des femmes et des personnes blanches. Près de la moitié d’entre eux faisaient partie du personnel infirmier. Près de la moitié avaient déjà été traités pour un problème de santé mentale et un pourcentage légèrement plus élevé avait déclaré un diagnostic antérieur de problème de santé mentale. Plus de 60 % des répondants de l’échantillon travaillaient en milieu hospitalier. Le moment des augmentations et des diminutions du nombre mensuel de nouvelles demandes coïncidait approximativement avec respectivement le début et la fin des vagues de COVID-19. Les cinq principaux problèmes à l’origine des demandes de traitement étaient les symptômes d’anxiété généralisée ou d’inquiétude, la dépression, une crise situationnelle ou une réaction aiguë à un facteur de stress, la difficulté à gérer le stress (professionnel ou financier) et des symptômes de stress post-traumatique. Conclusion Des travailleurs de la santé ont demandé par eux-mêmes à recevoir du soutien en santé mentale pendant la pandémie de COVID-19 en Ontario. La majorité d’entre eux voulaient obtenir un traitement pour des symptômes d’anxiété généralisée, d’inquiétude ou de dépression. Les résultats de cette étude pourraient éclairer la planification du réseau en vue des pandémies futures, ainsi que la planification des programmes de mieuxêtre destinés à aider le personnel de santé à faire face au stress en milieu de travail en période post-pandémique.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".