Predictors of Well-Being in Resident Physicians: A Descriptive and Psychometric Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: It is important to describe the characteristics of well-being in resident physicians to develop resident wellness initiatives in postgraduate medical education. OBJECTIVE: To characterize the predictors of well-being in resident physicians by assessing personal and work-related burnout, work dissatisfaction, nutritional needs while on call, and sleep needs while on call. METHODS: We set up an online survey in 2012 to collect data from current residents at the University of Calgary in Canada. The WHO-Five Well-Being Index, personal and work-related subscales of the Copenhagen Burnout Inventory, questions on work dissatisfaction, as well as sleep and nutrition management needs while on call, were used in the survey. Descriptive statistics, univariate analysis, and linear regression were applied to the data. RESULTS: The survey response rate was 45% (317 of 706) of eligible residents, with a mean age of 30.9 years (SD = 4.3). Fifty-three percent (168 of 317) of residents had a well-being score of 13 or less, indicating poor mental well-being. There were significant differences between men and women with respect to personal burnout (47.9 versus 54.2, P = .002) and work-related burnout (46.4 versus 50.4, P = .008). The only significant predictors of well-being overall were personal burnout and work dissatisfaction. CONCLUSIONS: Survey results suggest that a high proportion of residents at this institution have low well-being. This study did not find work-related burnout to be a significant predictor of well-being, after adjustment for other variables.
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.
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 | 0,005 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle