Primary Language and Cultural Background as Factors in Resident Burnout in Medical Specialties: A Study in a Bilingual US City
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to identify the degree of burnout among resident physicians enrolled in seven postgraduate training programs at Texas Tech University Health Sciences Center (TTUHSC), Paul L. Foster School of Medicine, El Paso, Texas, as it related to residents' age, gender, marital status, number of hours worked per week, primary language, race/ethnicity, and cultural background. METHOD: : The Maslach Burnout Inventory Human Service Survey (MBI) was administered to measure the level of burnout according to the prevalence of emotional exhaustion (EE), depersonalization (DP), and reduced personal accomplishment (PA). RESULTS: : Eighty-one percent of the residents at TTUHSC participated in the study. Residents raised in the United States or Canada comprised 28% and 35% of the study, and all reported English as their primary language. The EE scale was significant for obstetrics/gynecology (OB/GYN) residents (prevalence odds ratio [POR] = 13.55, P = 0.02) and psychiatry (PSY) residents (POR = 6.50, P = 0.03). Emergency medicine (EM) residents (POR = 23.35, P = 0.002), OB/GYN (POR = 10.89, P = 0.02), and general surgery (GS) (POR = 6.24, P = 0.03) residents had high DP. Internal medicine (IM) residents (primarily Spanish-speaking) reported significantly low EE (POR = 0.22, P = 0.03) and PA (POR = 0.09, P = 0.001) scores. Residents from the United States or Canada who reported English as their primary language and noted their race as white, had high EE (POR = 3.06, P = 0.03; POR = 5.61, P = 0.0001; POR = 2.91, P = 0.004), DP (POR = 3.19, P = 0.02; POR = 8.34, P < or = 0.0001; POR = 4.70, P < or = 0.0001) and PA (POR = 2.61, P = 0.02; POR = 2.35, P = 0.05, POR 0.29, P = 0.3) scores. CONCLUSION: Using valid measures, this pilot study identified a statistically significant relationship between burnout and residents' race/ethnicity, primary language, and cultural background. Larger studies with similar focus would be necessary to generalize these findings. At-risk residents in bilingual locations should be provided with cultural awareness workshops, language assistance programs, as well as senior resident and faculty mentors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».