A longitudinal and multicentre study of burnout and error in Irish junior doctors
Notice bibliographique
Résumé
BACKGROUND: Junior doctors have been found to suffer from high levels of burnout. AIMS: To measure burnout in a population of junior doctors in Ireland and identify if: levels of burnout are similar to US medical residents; there is a change in the pattern of burnout during the first year of postgraduate clinical practice; and burnout is associated with self-reported error. METHODS: The Maslach Burnout Inventory-Human Services Survey was distributed to Irish junior doctors from five training networks in the last quarter of 2015 when they were approximately 4 months into their first year of clinical practice (time 1), and again 6 months later (time 2). The survey assessed burnout and whether they had made a medical error that had 'played on (their) mind'. RESULTS: A total of 172 respondents out of 601 (28.6%) completed the questionnaire on both occasions. Irish junior doctors at time 2 were more burned out than a sample of US medical residents (72.6% and 60.3% burned out, respectively; p=0.001). There was a significant increase in emotional exhaustion from time 1 to time 2 (p=0.007). The association between burnout and error was significant at time 2 only (p=0.03). At time 2, of those respondents who were burned out, 81/122 (66.4%) reported making an error. A total of 22/46 (47.8%) of the junior doctors who were not burned out at time 2 reported an error. CONCLUSION: Current levels of burnout are unsustainable and place the health of both junior doctors and their patients at risk.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 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 ».