MétaCan
Menu
Retour à la cohorte
Enregistrement W2772977502 · doi:10.1155/2017/9318534

Factors Influencing Burnout Syndrome in Obstetrics and Gynecology Physicians

2017· article· en· W2772977502 sur OpenAlexaboutno aff
Magdalena Iorga, Răzvan Socolov, Iulia-Diana Muraru, Catalin Dirtu, Camelia Soponaru, Ciprian Ilea, Demetra-Gabriela Socolov

Notice bibliographique

RevueBioMed Research International · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlgorithmBurnoutAlexithymiaArtificial intelligencePsychologyMedicineMachine learningComputer scienceClinical psychology

Résumé

récupéré en direct d'OpenAlex

Aim . To identify the influence of environmental, personality, and alexithymia factors on burnout syndrome among obstetrics and gynecology physicians. Material and Methods . A total of 116 physicians (35 men and 81 women) completed questionnaires and sociodemographic data sheets. The Maslach Burnout Inventory, the Big Five Inventory , and the Toronto Alexithymia Scale were used to measure burnout, innate personality traits, and alexithymia, respectively. The <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mrow><mml:mi>t</mml:mi></mml:mrow></mml:math>-test and Pearson correlations were used for other measurements. Results . Of the 116 study physicians, 12.9% have suffered or still suffer from depression and 35.3% have had or still have problems related to insomnia. Regarding emotional exhaustion and depersonalization factors, men obtained lower scores than women (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mml:mn fontstyle="italic">18.73</mml:mn><mml:mo>±</mml:mo><mml:mn fontstyle="italic">13.4</mml:mn><mml:mn fontstyle="italic">8</mml:mn></mml:math> versus <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M3"><mml:mn fontstyle="italic">24.14</mml:mn><mml:mo>±</mml:mo><mml:mn fontstyle="italic">11.7</mml:mn><mml:mn fontstyle="italic">1</mml:mn></mml:math> for emotional exhaustion; <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M4"><mml:mn fontstyle="italic">5.97</mml:mn><mml:mo>±</mml:mo><mml:mn fontstyle="italic">5.4</mml:mn><mml:mn fontstyle="italic">5</mml:mn></mml:math> versus <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M5"><mml:mn fontstyle="italic">7.70</mml:mn><mml:mo>±</mml:mo><mml:mn fontstyle="italic">5.2</mml:mn><mml:mn fontstyle="italic">9</mml:mn></mml:math> for depersonalization). Self-reported depression was related to higher scores for all 3 domains, to higher total scores for alexithymia and neuroticism, and to lower scores for extraversion, conscientiousness, and openness. Residents and consultants had markedly different scores. Conclusion . The results of this study will help obstetrics and gynecology physicians cope with professional burnout and to consider personality traits, alexithymia domains, and environmental factors when finding strategies to cope with their professional stress.

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)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
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 enseignants0,056
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,219
Tête enseignante GPT0,524
Écart entre enseignants0,305 · 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

Citations54
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioMed Research InternationalMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207