MétaCan
Menu
← Retour à la cohorte
Enregistrement W2730606256 · doi:10.1097/acm.0000000000001761

Inspiration Repletion: A Missing Ingredient in Resident Wellness

2017· letter· en· W2730606256 sur OpenAlexaffabout
Ariel Lefkowitz

Notice bibliographique

RevueAcademic Medicine · 2017
Typeletter
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésBurnoutPsychological resiliencePsychologyMedical educationAppreciative inquiryMedicineSocial psychologyPedagogyClinical psychology

Résumé

récupéré en direct d'OpenAlex

To the Editor: “Residents are miserable,” I was told uniformly by peers and residents when I was in medical school. Instead, I found that I was happier as a resident than I ever was as a medical student, contributing more to the care of my patients and finally being able to concentrate on the field of medicine that I found most inspiring. The way we talk about resident wellness is primarily through a lens of resilience (against the hardship of residency) and of work–life balance (which suggests that we are happy only when we optimize our time away from work). I was recently asked to give a talk to senior medical residents entitled “Senior Burnout,” which struck me as a very negative title on a topic that I do not believe needs to be negative. Burnout certainly is a significant problem, and sharing stories on the topic helps to normalize a condition that has approximately 50% prevalence among residents,1 but by failing to highlight those aspects of our profession that inspire us, we ignore the very aspects that stimulate us to return to work after a bout of burnout. We also risk priming trainees to anticipate burnout, instilling a dread of residency that may create a “nocebo effect.” I propose that we integrate “inspiration repletion” into our arsenal of tools for maintaining wellness in residency. Appreciative inquiry (AI) may be one way to achieve this. AI is a practice that highlights the positive factors that motivate individuals to do something well, galvanizing change in individuals by identifying areas of strength and personal value.2 Nurses have used AI extensively to improve morale3 and care,4 but AI is scarcely mentioned in the literature on resident wellness. We focus on reducing resident duty hours, but a loss of inspiration at work plays a significant role in burnout. In my first year of residency, I unexpectedly experienced burnout on a “light” rotation because I felt I was not making a positive impact. As chief medical resident, I try to normalize the hardships every resident faces, but I also tell my trainees stories of patients I connected to, diagnoses I made, and concepts that excite me. Wellness depends on remembering what we wrote in our personal letter in our application to residency, and carrying it with us every day. Ariel Lefkowitz, MD, CMFourth-year resident and chief medical resident, Mount Sinai Hospital, Toronto, Ontario, Canada; [email protected]; ORCID: http://orcid.org/0000-0002-0773-1346.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,045
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,003
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0100,016
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,060
Tête enseignante GPT0,388
Écart entre enseignants0,327 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic Medicine→Même sujetInnovations in Medical Education→Travaux en français237 207→