Mirror mirror on the ward, who’s the most narcissistic of them all? Pathologic personality traits in health care
Notice bibliographique
Résumé
BACKGROUND: Stereotypes in medicine have become exaggerated for the purpose of workplace amusement. Our objective was to assess the levels of "dark triad" personality traits expressed by individuals working in different health care specialties in comparison with the general population. METHODS: We conducted a prospective, cross-sectional study within multiple departments of a UK secondary care teaching hospital. A total of 248 health care professionals participated, and 159 members of the general population were recruited as a comparison group. We measured 3 personality traits--narcissism, Machiavellianism and psychopathy--through the validated self-reported personality questionnaires Narcissistic Personality Inventory (NPI), MACH-IV and the Levenson Self-Report Psychopathy Scale (LSRP), respectively. RESULTS: Health care professionals scored significantly lower on narcissism, Machiavellianism and psychopathy (mean scores 12.0, 53.0 and 44.7, respectively) than the general population (p < 0.001). Nursing professionals exhibited a significantly higher level of secondary psychopathy than medical professionals (p = 0.04, mean LSRP score 20.3). Within the cohort of medical professionals, surgeons expressed significantly higher levels of narcissism (p = 0.03, mean NPI score 15.0). INTERPRETATION: Health care professionals expressed low levels of dark triad personality traits. The suggestion that health care professionals are avaricious and untrustworthy may be refuted, even for surgeons.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».