MétaCan
Menu
Retour à la cohorte
Enregistrement W2114543333 · doi:10.1002/da.10069

Stresses on women physicians: Consequences and coping techniques

2003· article· en· W2114543333 sur OpenAlexaff
Gail Erlick Robinson

Notice bibliographique

RevueDepression and Anxiety · 2003
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensUniversity Health NetworkUniversity of TorontoWomen's College HospitalToronto General Hospital
Organismes subventionnairesnon disponible
Mots-clésStressorCoping (psychology)PsychologyMedicineClinical psychology

Résumé

récupéré en direct d'OpenAlex

We review current data on types of stressors acting on women physicians, the consequences of these stressors and methods of coping with them. We undertook a systematic review of original articles published in the last 15 years and registered mainly on Medline and on the internet websites focusing on these issues. In addition to the pressures acting on all physicians, women physicians face specific stressors related to discrimination, lack of role models and support, role strain, and overload. The depression rate in women physicians does not vary from that of the general public but the rates of successful suicide and divorce are much higher. Women in academic settings are promoted more slowly, have lower salaries, receive fewer resources, and suffer from a range of micro-inequities. They often lack mentors to provide advice and guidance. They must cope with the pressures of choosing when to have a child and conflicts between being a wife and mother and having a career. Despite these pressures, they report a high degree of career satisfaction. Although women physicians suffer from a variety of stressors that can lead to career impediments, stress reactions, and psychiatric problems, generally they are satisfied with their careers. Personal coping techniques can help women deal with these stressors. Pressures will continue until attitudes and practices change in institutional settings. Some institutions are initiating changes to end discrimination against women faculty.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,283
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations139
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDepression and AnxietyMême sujetDiversity and Career in MedicineTravaux en français237 207