Are alexithymia and empathy predicting factors of the resilience of medical residents in France?
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
Objectives: To explore resilience, resilience predicting factors and resilience distribution in French medical residents. Methods: A cross-sectional study was conducted in which general practice residents (n = 380) were asked to answer the Jefferson Scale of Physician Empathy, the Connor-Davidson Resilience Scale, and the Toronto Alexithymia Scale. One hundred thirty-seven (137) responses were collected. The scores of the different scales have been calculated. The score differences were examined using the Student's t-test or analysis of variance. The correlations were estimated using the Pearson correlation coefficient. The relationships between scores were analysed by multiple linear regression. The heterogeneity of the sample was examined by non-hierarchical cluster analysis. Results: Resilience and empathy were positively correlated (r(135) = .36, p < .001). Alexithymia was negatively correlated with resilience, r(135) = -.40, p<.001, and empathy, r(135) = -.38, p<.001. Resilience was influenced by alexithymia, = -.284, p = .001, empathy, = .255, p = .002, gender (female < male), = -.231, p = .002 and year of formation, = .157, p = .036. Two clusters of residents were characterized. They differed by their empathy and resilience profiles and by alexithymia trait. Conclusions: Alexithymia, empathy, gender and year of formation correspond to predicting factors of resilience. This suggests that the resilience of vulnerable residents can be enhanced by increasing their empathy and by reducing their alexithymia. Thus, teaching teams could sustain their students' well-being through educational programs aiming to develop their understanding of their own emotions and those of their patients.
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 | 0,003 | 0,014 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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