Efficacy of Interventions to Reduce Resident Physician Burnout: A Systematic Review
Notice bibliographique
Résumé
ABSTRACT Background Studies report high burnout prevalence among resident physicians, with little consensus on methods to effectively reduce it. Objective This systematic literature review explores the efficacy of interventions in reducing resident burnout. Methods PubMed, Embase, and Web of Science were searched using these key words: burnout and resident, intern, or residency. We excluded review articles, editorials, letters, and non–English-language articles. We abstracted data on study characteristics, population, interventions, and outcomes. When appropriate, data were pooled using random effects meta-analysis to account for between-study heterogeneity. Study quality was assessed using Newcastle-Ottawa Scale (cohort studies) and Jadad scale (randomized control trials [RCTs]). Results Of 1294 retrieved articles, 19 (6 RCTs, 13 cohort studies) enrolling 2030 residents and examining 12 interventions met criteria, with 9 studying the 2003 and 2011 Accreditation Council for Graduate Medical Education (ACGME) duty hour restrictions. Work hour reductions were associated with score decrease (mean difference, −2.73; 95% confidence interval (CI) −4.12 to −1.34; P < .001) and lower odds ratio (OR) for residents reporting emotional exhaustion (42%; OR = 0.58; 95% CI 0.43–0.77; P < .001); a small, significant decrease in depersonalization score (−1.73; 95% CI −3.00 to −0.46; P = .008); and no effect on mean personal accomplishment score (0.93; 95% CI −0.19–2.06; P = .10) or for residents with high levels of personal accomplishment (OR = 1.01; 95% CI 0.67–1.54; P = .95). Among interventions, self-care workshops showed decreases in depersonalization scores, and a meditation intervention reduced emotional exhaustion. Conclusions The ACGME work hour limits were associated with improvement in emotional exhaustion and burnout.
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 | 0,012 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,012 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».