Emotional intelligence in orthopedic surgery residents
Notice bibliographique
Résumé
BACKGROUND: Emotional intelligence (EI) is the ability to understand and manage emotions in oneself and others. It was originally popularized in the business literature as a key attribute for success that was distinct from cognitive intelligence. Increasing focus is being placed on EI in medicine to improve clinical and academic performance. Despite the proposed benefits, to our knowledge, there have been no previous studies on the role of EI in orthopedic surgery. We evaluated baseline data on EI in a cohort of orthopedic surgery residents. METHODS: We asked all orthopedic surgery residents at a single institution to complete an electronic version of the Mayer-Salovey-Caruso Emotional Intelligence Test (MSCEIT). We used completed questionnaires to calculate total EI scores and 4 branch scores. Data were analyzed according to a priori cutoff values to determine the proportion of residents who were considered competent on the test. Data were also analyzed for possible associations with age, sex, race and level of training. RESULTS: Thirty-nine residents (100%) completed the MSCEIT. The mean total EI score was 86 (maximum score 145). Only 4 (10%) respondents demonstrated competence in EI. Junior residents (p = 0.026), Caucasian residents (p = 0.009) and those younger than 30 years (p = 0.008) had significantly higher EI scores. CONCLUSION: Our findings suggest that orthopedic residents score low on EI based on the MSCEIT. Optimizing resident competency in noncognitive skills may be enhanced by dedicated EI education, training and testing.
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 | 0,007 |
| 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 | 0,000 | 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) | 0,003 | 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 ».