Finding the sweet spot: Developing, implementing and evaluating a burn out and compassion fatigue intervention for third year medical trainees
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Medical trainees are at high risk for developing burnout. Introducing trainees to the risks of burnout and supporting identification and proactive responses to their 'warning' signs of compassion fatigue (CF) is critical in building resiliency. The authors developed and evaluated a burnout and CF program for third year trainees at a Canadian Medical School. Of 165 medical trainees who participated in the burnout and CF program, 59 (36%) provided evaluation and feedback of the program and its impact throughout their year. Participation included self-utilization of a validated CF and burnout tool (ProQOL) across three time-points, workshop feedback, and focus group participation. Results highlighted the importance of 1) Recognizing Individual Signs & Symptoms of Stress, CF and Burnout; 2) Normalizing Stress, CF and Burnout for Students and Physicians; 3) Learning to Manage One's Own Stress. A decrease in compassion satisfaction and increase in burnout between beginning and end of third year were found. Further outcomes highlighted the importance of learning, living and surviving CF and burnout in clerkship. Emergent theory reveals the important responsibility educators have to integrate CF and burnout programs into 'the sweet spot' that third year offers, as trainees shift from theoretical to experiential practice as future 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.
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle