Principles of fatigue in residency education: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Proposals to implement fatigue-management strategies in residency education assume that medicine shares the view of other risk-adverse industries that fatigue is hazardous. This view is an essential underpinning of fatigue-management strategies that other industries have embedded as part of their workplace occupational health and safety programs. We sought to explore how residents understand fatigue in the context of their training environment. METHODS: We interviewed 21 residents in 7 surgical and nonsurgical programs at Western University in 2014. All participants met the inclusion criteria of routinely working 24-hour call shifts while enrolled in their training program. Data collection and analysis occurred iteratively in keeping with constructivist grounded theory methodology and informed theoretical sampling to sufficiency. RESULTS: Four predominant principles of fatigue captured how the social learning environment shaped residents' perceptions of fatigue. These included the conceptualization of fatigue as (a) inescapable and therefore accepted, (b) manageable through experience, (c) necessary for future practice and (d) surmountable when required. INTERPRETATION: This study elaborates our understanding of how principles of fatigue are constructed and reinforced by the training environment. Whereas fatigue is seen as a collective hazard in other industries, our data showed that, in residency training, fatigue may be seen as a personal challenge. Consequently, fatigue-management strategies that conceptualize fatigue as an occupational threat may have a limited impact on resident behaviour and patient safety.
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 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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».