Burnout in Medical School Deans: An Uncommon Problem
Notice bibliographique
Résumé
PURPOSE: To assess the burnout level among U.S. and Canadian medical school deans and to study how burnout relates to certain characteristics including hours worked, effectiveness, and support from family and colleagues. METHOD: Questionnaires were sent in September 2006 to 100 deans who had served at least one year. The questionnaire included 13 questions from the Maslach Burnout Inventory-Human Services Survey (MBI-HSS), which measures three subcomponents of burnout: emotional exhaustion, depersonalization, and personal accomplishment. RESULTS: The response rate was 90%. The median age of participants was 60; the median length of service at the current institution was four years; the median number of hours worked per week was 70.0. Deans most frequently identified school budget deficits, loss of funding, and departure of key faculty as stressors. Whereas only 11% reported being dissatisfied with their positions, 33% reported it was likely they would step down within the next two years. The predominant pattern of MBI-HSS subscale scores in participating deans was moderate emotional exhaustion, moderate depersonalization, and high personal accomplishment. Only 2% of respondents satisfied all three subscale scores for high burnout. Emotional exhaustion was significantly directly associated with work week length and number of weekend days worked and was inversely associated with spousal support, length of service, and age. CONCLUSIONS: Despite having an "extreme" job, only 2% of deans exhibited high levels of burnout. A high sense of control and self-efficacy, a supportive family, increasing length of service, and increasing age may be factors which reduce burnout in deans.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».