MétaCan
Menu
Retour à la cohorte
Enregistrement W2159317709

Building physician resilience.

2008· article· en· W2159317709 sur OpenAlexaff
Phyllis Marie Jensen, Karen Trollope‐Kumar, Heather Waters, Jennifer Everson

Notice bibliographique

RevuePubMed · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPrioritizationQualitative researchResilience (materials science)Psychological resilienceProcess (computing)PsychologyMedical educationFace (sociological concept)MedicineNursingApplied psychologySocial psychologyComputer scienceSociologyManagement science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore the dimensions of family physician resilience. DESIGN: Qualitative study using in-depth interviews with family physician peers. SETTING: Hamilton, Ont. PARTICIPANTS: Purposive sample of 17 family physicians. METHOD: An iterative process of face-to-face, in-depth interviews that were audiotaped and transcribed. The research team independently reviewed each interview for emergent themes with consensus reached through discussion and comparison. Themes were grouped into conceptual categories. MAIN FINDINGS: Four main aspects of physician resilience were identified: 1) attitudes and perspectives, which include valuing the physician role, maintaining interest, developing self-awareness, and accepting personal limitations; 2) balance and prioritization, which include setting limits, taking effective approaches to continuing professional development, and honouring the self;3) practice management style, which includes sound business management, having good staff, and using effective practice arrangements; and 4) supportive relations, which include positive personal relationships, effective professional relationships, and good communication. CONCLUSION: Resilience is a dynamic, evolving process of positive attitudes and effective strategies.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,003
Communication savante0,0020,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,092
Tête enseignante GPT0,399
Écart entre enseignants0,306 · 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'étudeSans objet
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

Citations136
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207