Fellowship training, workload, fatigue and physical stress: a prospective observational study
Notice bibliographique
Résumé
BACKGROUND: Fatigue in physician trainees may compromise patient safety and the well-being of the trainees and limit the educational opportunities provided by training programs. Anecdotal evidence suggests that the on-call workload and physical demands experienced by trainees are significant despite duty-hour regulation and support from nursing staff, other trainees and staff physicians. METHODS: We measured the workload and the level of fatigue and physical stress of 11 senior fellows during 35 shifts in the critical care unit at the Hospital for Sick Children in Toronto. We determined number of rostered hours, number of admissions and discharges, number and type of procedures, nurse:patient ratios and related measures of workload. Fellows self-reported the number of pages they received and the amount of time they slept. We estimated physical stress by using a commercially available pedometer to measure the distance walked, by using ambulatory electrocardiographic monitoring to determine arrhythmias and by determining urine specific gravity and ketone levels to estimate hydration. RESULTS: The number of rostered hours were within current Ontario guidelines. The mean shift duration was 25.5 hours (range 24-27 hours). The fellows worked on average 69 hours (range 55-106) per week. On average during a shift, the fellows received 41 pages, were on non-sleeping breaks for 1.2 hours, slept 1.9 hours and walked 6.3 km. Ketonuria was found in participants in 7 (21%) of the 33 shifts during which it was measured. Arrhythmia (1 atrial, 1 ventricular) or heart rate abnormalities occurred in all 6 participants. These fellows were the most senior in-house physician for a mean of 9.4 hours per shift and were responsible for performing invasive procedures in two-thirds of their shifts. INTERPRETATION: Established Canadian and proposed American guidelines expose trainees to significant on-call workload, physical stress and sleep deprivation.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».