COVID-19大流行提出重大挑战卫生保健系统被COVID-19患者创造压力的保健系统。数月以来,卫生专业人员面临焦虑因为繁重的工作负载和感染的风险( 1]。压力过大的护士正在考虑离开许多认为是他们要求的工作。在调查的6568名护士协会(American Association of主治护士,三分之二的受访者认为冠状病毒大流行促使他们考虑离开了职业( 2]。灾害等大流行的连锁反应可能会持续长后危机时期( 3]。

COVID-19全球疫情将卫生保健系统处于前所未有的压力和一个具有挑战性的时间对于那些工作在第一线的医疗保健。压力是由预期的经验或遇到逆境的goal-related努力( 4]。面对长时间的压力和过度可能导致护士倦怠、情绪状态,身体,精神疲惫。卫生服务提供者的经验讨论了倦怠的最近的研究( 1, 5),证明它不仅会影响护士的生活质量而且病人护理。因此,重要的是要理解背后的工作担忧和压力COVID-19大流行期间护士倦怠。

(研究甲型H1N1流感爆发 6)表明,Twitter数据可以用于实时infodemiological研究,提供一个卫生部门应对公众的意见来源问题。大量的用户生成内容的可用性提供了一个机会,组织分析的内容和获得洞察力。在医疗环境中,这些数据可以用来捕捉病人的担心和忧虑或员工的满意度,可以用来改善护理( 7和工作条件。例如,用户生成内容可以帮助改善癌症治疗在癌症相关的社区(通过分析讨论 8)和识别抑郁症等精神疾病使用Instagram由用户COVID-19大流行期间拍摄的图像( 9]。基于web的内容分析也用于确定面具准则在不同国家和地区( 10]。

有关干预措施缺乏文献支持疾病暴发期间卫生保健工作者。调查这一重要考虑,最近的研究调查用于识别COVID-19大流行期间护士压力源( 11),显示护理一直受到恐惧和隔离,因此很难保持卫生保健的人性化( 12]。调查结果( 11)确定6主题:infection-self、疾病或death-others,工作场所,个人防护装备(PPE)或供应,未知数,意见或政治。有趣的是,有些压力因素的控制下卫生保健组织(HCOs)。例如,HCOs没有提供适当的设备或制定政策,以确保员工的安全性和有效性。许多员工感到被出卖了没有足够的个人防护用品在流行的早期,当面临休假和裁员。在消防模式,HCOs未能感知和响应临床供应商提出的问题。

问卷调查可以用来调查人们的态度,观点,或知识相关COVID-19 [ 13]。然而,这种方法限制参与者的数量给定时间和地点( 14),可以约束解决全球大流行时生成一段时间( 15]。收集和分析大量从业者来自社交媒体的评论可以是一个有效的方法去调查和了解流行影响临床医生和他们的工作。大量评论几个月从不同的州允许我们来分析和确定主题和主题相关的复杂的现象如COVID-19及其对卫生保健系统纵向的影响( 16]。这样的分析有利于卫生保健管理者制定有效的战略( 17]。

手动分析可以将大的非结构化文本资源密集型( 18]。自然语言处理(NLP),机器学习(ML)的一个分支,它侧重于表示和解释的话,已经广泛用于发现有用的信息从大量的文本,同时允许验证的结果通过复制( 19]。最近,NLP已经被用于分析问题和讨论COVID-19在微博和推特的早期阶段的大流行。

虽然NLP面积广泛,一个特定的问题是大型文本的尸体在一个无监督的分类方式,或主题分析。主题建模(TM)是一种无监督毫升NLP已经用来推断的应用模式和组织类似的文本或文件不需要先验的话题标签( 20.]。一个常见的算法为TM是潜在狄利克雷分配(LDA)。例如,它已经被用于调查Twitter实时数据在自然灾害( 21),分析文字评论在医疗行业 22, 23),识别和理解情绪在肩膀置换术后病人的经验( 24],研究与电子烟相关的健康影响使用从网络论坛用户生成内容( 25]。

COVID-19大流行期间,LDA也用于分析科学出版物( 26),引出主题和情感测量公众应对流感大流行的( 9, 10, 27]。随着大流行的发展,进一步的研究集中在症状识别基于纵向数据从Reddit 16和病人网络论坛 28]。医疗错误和阴谋也有价值的调查主题在这大流行( 29日]。这些研究大部分集中在患者或普通人群的数据。少研究看着从护理的角度讨论和关注。我们发现2研究调查护士倦怠在大流行期间( 30., 31日),但这些研究都是基于调查问卷,在性质和横断面只覆盖护士照顾病人的意愿在风险环境和精神健康问题的早期阶段COVID-19大流行。一个值得注意的例外 32)使用情绪分析和TM检查岗位由护士在社交媒体上从2020年3月到2020年11月。这项研究集中在检测的正面和负面的情绪和恐惧的情绪,沮丧,疲惫,和孤独之间的护士。他们的分析还显示这些主题如何改变。

我们的研究认为数据来自护士大流行前线服役。14个月期间我们分析了护士的评论来确定一组全面的nursing-centric等问题的担忧家庭影响,风险识别、工作关注库存,和护士倦怠。数据从一个基于web的专业医疗保健论坛检索公开讨论主要是美国的同事14个月期间识别COVID-19大流行期间工作的担忧是如何进化的。从论坛中提取意义线程,我们采用了NLP技巧。我们用LDA在每周两次的基础上理解时间主题的变化。

在这项研究中,我们旨在(1)确定主题从护士讨论相关工作场所压力重大危机如大流行期间,(2)确定压力的显著,看看这些压力随时间的演化。

基于web的内容提供了一个机会去探索和学习活动如COVID-19流行利用NLP以系统的方式来分析大量的评论和调查有意义的主题和主题。我们采用了角度,工作压力相关的经验预测或遇到逆境的goal-related努力( 4]。我们引导护士关切到高阶构造分类(即主题)通过考虑提供的自我选择的目标工作关注库存框架( 33]。

我们在2方面补充这个框架。首先,我们采用框架医疗环境下,压力的主要来源在哪里与病人的互动。关心病人的压力是一个积极的例子( 4),压力体验当一个人积极适应挑战,和与目标导向行为但也会导致角色冲突,这是当一个目标的实现会阻碍他人的成就感。第二,我们认为是大流行的特定上下文的超负荷工作,风险管理成为优先考虑的问题。根据其手段的价值目标是实现其他价值的目标。风险管理的目的是保护组织的物质和人力资产运营的成功延续,使自我保护有助于业务连续性。有效地管理pandemic-associated风险需要风险识别、风险分析和风险缓解( 34]。

本研究提供一年回顾从护士工作在第一线的角度在美国通过分析检索的数据从一个护士论坛,旨在团结和授权> 60 100万名护士在护理专业通过提供一个场所讨论(allnurses.com)。AllNurses护士是一个社交媒体平台分享他们的关切和工作经验( 35),以前用于数据收集和分析( 36]。在这项研究中,我们收集的数据在13个月的时间内从一个特定的护理论坛的一部分, COVID,灾难,大流行( 37]。这部分地址“当前新闻、经验和讨论灾难可能如何影响护士工作和个人生活“( 37]。

在这个论坛上,护士的声音问题,分享个人的故事,和与他人沟通关于COVID-19大流行性流感爆发以来,为调查提供有价值的数据。我们收集从2020年3月,爆发大流行在美国,2021年4月,美国疾病控制和预防中心(CDC)缓解面罩指南对接种疫苗的人返回的常态和卫生保健( 38]。提供1年的数据相关的见解卫生保健工作者的视角 39]。我们进行了纵向分析相关的数据,以确定相关主题的框架护士之间的对话。

数据分析阶段包括无监督毫升和主题定性分析( 40, 41]。分析的单位个人论坛线程暂时有窗的每两周。由多个用户线程可能包含职位,这些职位通常是对齐到线程的名称(例如,“拒绝照顾COVID-19病人由于不合适的PPE”发布的3月19日,2020)( 42]。ML算法被用来段主题和主题,然后,定性的方法后,我们手动审查部分基于不同主题的评论来验证和解释这些发现提供的算法( 43]。 图1概述了本研究中使用的方法。

数据提取,刮刀发动机使用Java编写(Sun) HtmlUnit(版本2.44.0;滴水嘴软件)包中的所有文章从allnurses.com中提取数据 COVID,灾难,大流行线程。 图2从论坛的帖子显示了示例数据。数据集有文章的URL,这个职位,这个职位本身,和线程文本和线程发布时间。可以有许多文章在同一线程下,许多帖子User_Response_Post列是相同的线程的一部分,如Thread_Post_Text列所示。

我们决定执行2分析:一个是每月窗口(所有职位在一个月内),另一个被认为是两周一次的窗口。在较低层次的粒度(即每周或每天),在重要的时间框架数据集变得稀疏。我们创建了一个集合的文章作为语料库的分析(即两周一次的帖子)。

对于文本处理,然后使用自然语言工具包(版本3.6.5;团队NLTK)图书馆( 44]删除停止词,段落分割成句子,然后进一步将句子拆分成词(标记)并生成命令的组合词(三元及三元模型)。预处理方法扮演着重要的角色在准备数据洞察力,通常包括文本挖掘过程的第一步( 45]。自然语言工具包库包含常见的英语单词删除字典(例如, 的, 在, 一个, 一个),并允许词元化的语料库来减少数据集的维数。一个词的引理包括其基本形式和变形形式( 40, 45),我们认为是词性名词、形容词、动词和副词。我们也认为unigrams(如 护士),三元(如 COVID-19)和三元模型(例如, 个人防护设备)作为我们的特性集的一部分。

预处理后的数据,我们使用TM技术来帮助识别文本之间的关系。我们用LDA方法,已经广泛应用于NLP,社交媒体分析和信息检索( 41]。LDA是一种无监督执行主题提取的概率统计方法发现隐藏结构(语义)从一个大语料库[ 46),每个文档可以表示成一个概率分布在潜在的主题( 41]。这增加了价值发现可判断的大型文档集合,低维子空间中数据( 47]。实施中,我们使用锤(版本2.08),一个基于java包装器为Python包,执行统计NLP,集群,TM ( 48)和Gensim(3.8.3版;罕见科技有限公司) 49TM),一个开源的Python库,构建主题模型( 41]。

主题模型一致性较高的话题更可说明的(即在一个连贯的主题有更高的互信息,因此,被认为是相关的)。低质量的主题可能是由高度不相关的单词,不能适应另一个话题( 50]或太抽象的主题(例如,护士正在讨论一个主题捕捉事实 COVID-19)。选择最优数量的主题,主题的数量是有限的(n = 1 - 16),我们选择的主题数一致性得分最高。这些都进一步定性分析内容,发现话题数量太少往往过于抽象和主题数量过高往往没有足够的职位产生一致的主题。虽然定量,最高的表演者是2和4的话题,有两个主题被发现太抽象是有用的;因此,有4个主题被用于这项研究。在 图3,我们现在每周两次的分析结果,有4个主题相干得分为0.36。 图3B显示了一个示例生成的4个主题使用木槌。这个过程被重复每两周一次,月度的分析水平。

TM是补充内容分析使用一个解释社会科学方法。TM删除需要开放和选择性编码和理论抽样,使分析师凝结一个大型语料库的叙事文本,它成为了分析师的任务来解释和理解TM,人们异常的话题( 51]。

解释分析被调整的步骤实现的主题分析的模型 52]。总共2人员指定为注释器和自己熟悉的数据通过详尽阅读十大的帖子在每两周一次的主题由TM(基于相干分数排名)。独立工作,他们给的主题主题名称,确保名称符合文章的内容。研究者选择的主题名称标签的话题相比,它实现了interannotator 68%的协议。32%的冲突是由于未能确定low-coherence主题(3%)或解释的分歧,比如,一位研究人员青睐的一个更抽象的标签(例如, 工作家庭平衡)而另一个支持一个更具体的标签(例如, 使用或滥用休假政策)。第一轮后,协议达到94%的水平。剩余的6%,底层职位一起研究解决分歧,而没有留下任何未解决的注释。最后,一群主题被研究人员同意,和主题被浓缩进高阶构造;例如, 疫苗试验和 疫苗副作用被浓缩进 COVID-19疫苗。

分组成高阶的主题是关注库存框架指导下工作 33),它提供了一个广泛的个人自我选择的目标:(1)具体工作任务,(2)同事,(3)主管或经理,(4)下属,(5)学习新技能或开发,(6)挑战,(7),(8)小时或出席,(9)帮助或反馈任务,工作条件(10),(11)工资或福利,(12)自治或责任,(13)歧视或公平,公司(14),(15)未来的就业状况。这些目标确定信息的类型,个人认为,参加和个人寻找反馈和应该反映在基于web的内容。我们补这个框架提出的问题详细描述具体担心pandemic-associated风险的管理( 34]。

解释分析的最后一步涉及生成高级叙述缝合的主题和一个序列。叙事是一个帐户的一连串的事件发生在时间和空间。这些事件并不随机,而是有序展开的一系列事件连接的逻辑因果关系( 53]。

本研究主要在佛罗里达国际大学进行的,在研究伦理审查时不需要使用“匿名样本或数据可以从商业或公共存储库或注册中心”( 54]。本研究使用的数据发布在一个基于互联网的护理感兴趣的论坛。因此,不需要同意或伦理委员会审查。

首先,我们现在发现的主题和subthemes毫升系统和human-in-the-loop分类过程。然后,我们给每个主题的演化。第三,我们深入了解每一个主题,并提供一个叙事分析的每一个对话。

主题分析方法确定了310主题分析的基础上从帖子文本数据聚合在从2020年3月至2021年4月28日两周时间。专题分析的主题分类成不同的主题。

团队认为是确定主题,组词,和博客代表样本在每个主题;310年主题为58 subthemes分类;然后分组这些subthemes 20高阶主题锚定主题识别工作中关注库存( 33]。例如,一个主题包括unigrams 工作人员, 护理, 护士, 护理, 短缺, 数量, 找到, 提供, 研究生, 离开,归类为一个护士短缺subtheme工作负载中关注的主题。另一个话题包括unigrams 面具, 房间, 穿, 工作人员, 流感, 的脸, 咳嗽, 时间, pt, 医生,分为面具使用和PPE和降低风险的工作担忧。也有与重叠的单词(如主题 面具, 工作, 家)。这些映射到不同的主题是基于词的组合和分析情绪和意义的特定的集群中的职位。最后导致20主题分类,如图所示 表1。几个主题被认为low-coherent博客分析的基础上代表样本(65/310,21%的初始主题)和没有进一步考虑分析。

主题1指的是家庭影响的担忧。护士表示担心传染家人,导致隔离等行为只与他们的孩子从> 6英尺远的面具。紧张工作问题很明显,一些subthemes讨论解决紧张的休假。

第二组的主题与风险识别、风险降低的目标,和一组工作问题与工作环境有关。主题2到5与风险识别:感染和死亡的风险(主题2),测试风险识别(主题3),病毒信息(主题4)和特定的护理风险识别主题(主题5)。6 (PPE)和7 (COVID-19疫苗)是指降低风险的担忧。

直接匹配主题8到14项工作关注库存:具体工作任务,学习新技能和发展,小时或考勤,工作条件,工资和福利、自主权和责任,和未来的工作情况。这些被标记为病人护理(主题8),工作负载(主题9),完成任务和性能(主题10),工作环境安全问题(主题11),工资和福利(主题12),识别和责任(13)主题,和未来的工作情况(主题14)。

15是指主题讨论护士倦怠、工作压力的结果。护士的谈话还透露挫折在更广泛的层面:不满误传,不满政府的回应,和沮丧与人不遵守面具的建议。主题在16岁到20岁之间的引用这些宏观的对工作场所的潜在影响的担忧,即主题16(公共卫生的缓解策略),17(授权和限制),主题主题18(政治、经济和社会问题),19(政府响应),主题和主题20(否认和错误信息)。

本研究使用文章从专业护士讨论基于网络平台识别COVID-19大流行期间护士工作的担忧。

数据分析显示工作出现的问题与风险识别和缓解,即减少暴露于风险和风险发生的可能性。这些问题显示个人目标在这些领域,成为行为在组织设置的关键决定因素 33]。护士仍然表示担心任务完成和操作性能高。事实上,在后期成为占主导地位的主题的时间表风险降低的机制是在全力,即疫苗。

我们的分析还表明,政府的不一致的姿态在实施政策导致担忧护士的出现,发现与之前的研究一致在COVID-19大流行(公众情绪 59]。

管理实践产生意想不到的后果,可能创建交易,扩大工作压力相关的问题。例如,工作轮换可以使工作更有趣的通过提供不同但可以提高压力( 56]。关于薪酬,员工通常更有动力和满意当他们收到回报,他们觉得值得 60]。然而,激励性薪酬实践可以破坏员工幸福当他们为组织带来不公平,这是一个公平的工作担忧。护士叙述显示对护士减薪和休假在一些地区以及担心风险的价值和高薪酬支付旅行护士。这些实践是用于医院的产能,以满足需求的动态调整但似乎离开护士生气的是他们认为不公平的。

我们从以前的研究,分析了数据区分来自Facebook和Twitter等社会媒体( 32通过专注于特定领域的出口,一个专业护理论坛。我们的工作也用毫升分类护理对话在大流行期间的演变。然后,我们使用了一个理论框架来过滤工作的担忧。我们的研究结果表明,对话更集中和与工作相关的,少个人。

在我们的研究中,我们使用文本由护士来推断影响员工满意度与工作相关的问题,最后,他们的工作效率和组织绩效。我们导致了一连串的研究社会媒体上使用文本来推断组织性能( 9]。此外,我们的研究发现了新的讨论话题关于COVID-19工作的问题与之前的研究相比 9, 32]。最后,采用时序分析,我们研究探索对话如何进化在主题和叙事的工作问题。

这项研究有一些局限性。我们的研究的主要局限在于依赖博客数据主要来自一个国家,减少可能的泛化结果其他人群。另一个限制是,收集到的数据从网络媒体反映认为工作环境特征,从而表现出个人偏见,因此,不是一个真正的工作环境。虽然故事需要一个可识别的声音在我们的例子中,护士professionals-future研究可以考虑多个观点,包括其他利益相关者如医生和管理员。此外,本研究没有进行情绪和情感的分析评论。未来的研究可以探讨公共情绪通过分析评论写对原始文章的回应。

这项研究的结果可以帮助卫生保健管理者和决策者思想活跃观察员的专业网络媒体参与和活动。社会倾听是一个重要的方式来衡量卫生保健专业人员的担忧和响应。当面对突发事件时,卫生保健领导人需要制定组织战略支持医师、护士、和护理团队成员,最终促进组织公正,包括可控的工作负载,灵活方便得好,并确保临床医生感到受到了重视,听到[ 61年]。几点建议从数据:领导人必须清晰地传递最佳实践;管理的期望;明确工作时间;并提供足够的资源,包括有效的个人防护用品。领导人应该旨在监测临床医生健康和主动解决问题相关的临床医生和他们的家人的安全。在大流行期间,临床医生应该鼓励公开讨论脆弱性。一线临床医生可能单独和集体确定担心出现而面临的现实大流行而考虑团队士气的重要性和保护一个人的情感力量。HCOs可以提供社会支持的机会在危机的情况下使用内部网络论坛,护士可以共享的压力因素影响他们的工作,相互支持,使大流行期间建议职场适应危机。

一个有趣的结果是,提供的风险缓解COVID-19疫苗使转移注意力从担心风险识别、分析、任务完成和缓解和性能和分享新的实践和技能。为HCOs感是很重要的个人目标,成为占主导地位的工作关注一个特定的时期,因为他们将有更多的影响作用和临床医生的信息寻求比其他目标。在大流行期间,组织可能部署机制,关注任务的完成和性能根据新技能之前,寻求解决其他自我选择的个人目标,已成为主导。

我们的研究结果对工作问题的进化也通知设计的管理实践期间的不确定性和恐惧,比如大流行。例如,先前的研究表明,经理们取得了积极健康的协同效应,包括员工在安全措施的设计 56]。安全措施,削弱满意度可以让员工对上司后,避免政策。护士讨论了面具戴和社会距离没有后跟同事,创建一种被感染的风险。有些同事可能喜欢的舒适和形象没有安全设备在休息或者当不接近病人。而应对大流行,管理人员可以收集信息对员工态度当前实践使用网络媒体意识和应对这些权衡。

总的来说,这项研究强调了理解护士的经验的重要性在一段时间的不确定性和恐惧COVID-19创建的大流行。护士服务前线的医疗输送系统,一般来说,不准备作出回应。应对这种情况触发工作问题,产生矛盾。有关进化的研究结果和相互关系的工作问题阐明的经验教训作为基础,这将是有用的各种政府机构、医院、组织和社区希望设计管理实践,更有效地解决护士的工作问题。