Burnout, career satisfaction, and well-being among US neurologists in 2016
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To study prevalence of and factors that contribute to burnout, career satisfaction, and well-being in US neurologists. METHODS: A total of 4,127 US American Academy of Neurology member neurologists who had finished training were surveyed using validated measures of burnout, career satisfaction, and well-being from January 19 to March 21, 2016. RESULTS: Response rate was 40.5% (1,671 of 4,127). Average age of participants was 51 years, with 65.3% male and nearly equal representation across US geographic regions. Approximately 60% of respondents had at least one symptom of burnout. Hours worked/week, nights on call/week, number of outpatients seen/week, and amount of clerical work were associated with greater burnout risk. Effective support staff, job autonomy, meaningful work, age, and subspecializing in epilepsy were associated with lower risk. Academic practice (AP) neurologists had a lower burnout rate and higher rates of career satisfaction and quality of life than clinical practice (CP) neurologists. Some factors contributing to burnout were shared between AP and CP, but some risks were unique to practice setting. Factors independently associated with profession satisfaction included meaningfulness of work, job autonomy, effectiveness of support staff, age, practicing sleep medicine (inverse relationship), and percent time in clinical practice (inverse relationship). Burnout was strongly associated with decreased career satisfaction. CONCLUSIONS: Burnout is common in all neurology practice settings and subspecialties. The largest driver of career satisfaction is the meaning neurologists find in their work. The results from this survey will inform approaches needed to reduce burnout and promote career satisfaction and well-being in US neurologists.
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.
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 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle