A pilot study of bullying and harassment among medical professionals in Pakistan, focussing on psychiatry: need for a medical ombudsman
Notice bibliographique
Résumé
BACKGROUND: The magnitude of bullying and harassment among psychiatrists is reportedly high, yet no peer-review published studies addressing this issue could be found. Therefore, it was decided to conduct a pilot study to assess the degree of the problem, the types of bullying/harassment and to provide some insights into the situation. METHODS AND PRINCIPAL FINDINGS: Following multiple focus group meetings, a yes/no response type questionnaire was developed to assess the degree and type of bullying and harassment experienced by psychiatrists. Over a 3-month period the questionnaire was administered to a random sample of 60 psychiatrists. 57 out of the 60 psychiatrists reported harassment and bullying. Frequencies of the following response variables are presented in descending order: rumours 40% (n = 24); defamation 20% (n = 12); passing remarks 20% (n = 12); false accusations 15% (n = 9); threats 13.3% (n = 8); verbal abuse 13.3% (n = 8); unjustified complaints 13.3% (n = 8); promotion blocked 13.3% (n = 8); humiliation 13% (n = 8); bad reference given 10% (n = 6); credentials questioned 8.3% (n = 5); physical attacks 5% (n = 3); termination 5% (n = 3); derogatory remarks 1.7% (n = 1) and 1.7% (n = 1) were subjected to personal work. As a result of being subjected to harassment, 66.7% of the psychiatrists did not take any action, whereas 33.3% confronted the person(s) they believed responsible. Asked whether the bullying and harassment caused distress, 18.3% of the psychiatrists did not report any effect, 30% reported mild distress, 40% moderate distress and severe distress was reported by 11.7%. CONCLUSIONS: It was concluded that the magnitude of bullying and harassment among psychiatrists may be quite high, as evidenced by this pilot study. There is a need for extensive systematic studies on this subject and to establish strategies to prevent and address this issue at a national and regulatory level.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».