MétaCan
Menu
← Retour à la cohorte
Enregistrement W2550296395 · doi:10.5430/jha.v6n1p1

Physicians’ job satisfaction in their begin, mid and end career stage

2016· article· en· W2550296395 sur OpenAlexvenueno aff
Lodewijk J. Schmit Jongbloed, Johanna Schönrock-Adema, Jan C.C. Borleffs, Roy E. Stewart, Janke Cohen‐Schotanus

Notice bibliographique

RevueJournal of Hospital Administration · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpecialtyJob satisfactionPsychologyPerceptionFamily medicineMedicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

Objective: To examine whether physicians differ in job satisfaction in different career stages, controlling for “gender”, “specialty area” and “level of income”.Methods: Survey of three cohorts of physicians who started studying in 1972-75 (n = 704), 1982/83 (n = 301) and 1992/93 (n = 296) at the University of Groningen. Physicians in the begin, mid and end career stage practiced for 10, 20 and 30 years respectively. Data were collected by telephonic interviews and written questionnaires. We selected 13 job satisfaction aspects which could be mapped unto Ostroff’s taxonomy of organizational climate perceptions. Influences of gender, specialty area and level of income were taken into account.Results: Physicians in begin, mid and end career stage differed on eight aspects. Taking into account gender, specialty area and level of income, differences between career stages were significant for three aspects: appreciation from support personnel, appreciation from patients and satisfaction with income. Specialty area was the most important covariate.Conclusions: Physicians from different career stages differed in job satisfaction, but specialty area accounted to a large extent for these differences. We recommend taking into account physicians’ career stage, gender and specialty area when studying physicians’ job satisfaction.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,374
Écart entre enseignants0,334 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital Administration→Même sujetHealthcare professionals’ stress and burnout→Travaux en français237 207→