Systematic Review of Depression, Anxiety, and Other Indicators of Psychological Distress Among U.S. and Canadian Medical Students
Notice bibliographique
Résumé
PURPOSE: To systematically review articles reporting on depression, anxiety, and burnout among U.S. and Canadian medical students. METHOD: Medline and PubMed were searched to identify peer-reviewed English-language studies published between January 1980 and May 2005 reporting on depression, anxiety, and burnout among U.S. and Canadian medical students. Searches used combinations of the Medical Subject Heading terms medical student and depression, depressive disorder major, depressive disorder, professional burnout, mental health, depersonalization, distress, anxiety, or emotional exhaustion. Reference lists of retrieved articles were inspected to identify relevant additional articles. Demographic information, instruments used, prevalence data on student distress, and statistically significant associations were abstracted. RESULTS: The search identified 40 articles on medical student psychological distress (i.e., depression, anxiety, burnout, and related mental health problems) that met the authors' criteria. No studies of burnout among medical students were identified. The studies suggest a high prevalence of depression and anxiety among medical students, with levels of overall psychological distress consistently higher than in the general population and age-matched peers by the later years of training. Overall, the studies suggest psychological distress may be higher among female students. Limited data were available regarding the causes of student distress and its impact on academic performance, dropout rates, and professional development. CONCLUSIONS: Medical school is a time of significant psychological distress for physicians-in-training. Currently available information is insufficient to draw firm conclusions on the causes and consequences of student distress. Large, prospective, multicenter studies are needed to identify personal and training-related features that influence depression, anxiety, and burnout among students and explore relationships between distress and competency.
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 | 0,008 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,024 | 0,031 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».