MétaCan
Menu
Retour à la cohorte
Enregistrement W2621614079 · doi:10.36834/cmej.36890

The prevalence and effect of burnout on graduate healthcare students

2017· article· en· W2621614079 sur OpenAlexvenueno aff
Garrett S. Bullock, Lynnea Kraft, Katherine Amsden, Whitney L. Gore, Jeffrey Wimsatt, Robert Prengle, Leila Ledbetter, Kyle R. Covington, Adam P. Goode

Notice bibliographique

RevueCanadian Medical Education Journal · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBurnoutEmpathyHealth careInclusion (mineral)Medical educationMental healthPsychologyMedicinePopulationCurriculumNursingClinical psychologyPsychiatrySocial psychologyPedagogyPolitical science

Résumé

récupéré en direct d'OpenAlex

Burnout is a growing epidemic among professional healthcare students. Unaddressed burnout has been shown to have psychological and performance related detriments. The purpose of this scoping literature review was to investigate the prevalence of burnout and its effects on the psychological, professional, empathetic ability, and academic acuity of graduate healthcare students. Inclusion criteria included English language papers published within the last 10 years and subjects in graduate healthcare professional programs. This search encompassed 8,214 articles. After title and abstract screening, 127 articles remained and were sorted into five domains of interest: etiology, professionalism, mental health, empathy, and academic performance. After duplicates were removed, 27 articles remained for the scoping review. Graduate level healthcare students had higher levels of burnout than age matched peers and the general population. The high prevalence of burnout within graduate healthcare students can have an effect on their mental health, empathy, and professional conduct. Understanding the occurrence and effects of burnout within graduate healthcare programs allows faculty and administration to plan curriculum, and provide information to students to understand, recognize, and create opportunities to decrease burnout in order to create long lasting quality clinicians.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,024
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,319
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0060,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,488
Écart entre enseignants0,435 · 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 tête enseignante, pas un consensus.

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

Citations102
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207