Physiological and psychological responses to surgery and non-surgery days in orthopaedic surgeons: A case study
Notice bibliographique
Résumé
Objective: Performing surgical procedures can increase the physiological stress and mental strain experienced by practicing surgeons. This may affect negatively work capacity and quality of patient care by increasing the incidence of burnout, sleep disorders, fatigue and substance abuse. The purpose of this pilot case study was to track physiological and psychological responses to clinical duties in an expert arthroplasty orthopaedic surgeon.Methods: Heart rate (HR), breathing rate, heart rate variability (HRV) and anxiety ratings were observed in an expert orthopaedic surgeon using a wearable Equivital EQO2 physiological monitor and the state-trait anxiety inventory (STAI), respectively. Data was recorded for 8 surgery, 1 clinic and 1 rest day. Physiological data was recorded for 6-8 hours/day.Results: The surgeon spent significantly more time with elevated HRs on surgery days versus either clinic or rest days (10% of the day over 100 bpm). This was not the case for respiratory rate. STAI responses were significantly greater pre versus post surgery and at baseline. Psychological and physiological markers of stress were elevated prior to each surgery regardless of surgery type and task. Notably, the HR never returned to baseline on surgery days.Discussion: This study provides a baseline on which to compare procedural and trainee differences during surgical procedures. Expert surgeons may demonstrate elevated stress levels on days of surgery, as indicated by self-reported anxiety scores as well as physiologic measures. Understanding the stress and anxiety present may direct interventions that enable improved surgeon health, surgical performance, and an improved learning environment.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 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 ».