The Contribution of Alexithymia to Burnout in Forensic Physicians.
Notice bibliographique
Résumé
The Aim: The aim of the study was to identify the relationship between the level of burnout subdomains and alexithymia among forensic physicians working in forensic institutions in Romania. Material and Methods: A number of 37 forensic physicians were included in the survey. Burnout and alexithymia were measured by using the Maslach Burnout Inventory and Toronto Alexithymia Scale. The obtained data were processed using the SPSS 17.00 statistical software. Results: The subjects obtained an average of 43.27±3.71, which corresponds to a low level of alexithymia. For burnout scores, we have obtained M=14.97±13.13 for emotional exhaustion, M=7.91±6.87 for depersonalization and M=33.18±10.59 for personal accomplishment (low-level for emotional exhaustion and medium-level burnout for the other two factors). Among the socio-demographic variables, only the age correlated positively with the burnout factor personal accomplishment. Positive correlations were identified between burnout factors and TAS-20. Comparative analysis results are important for the presence of insomnia, depression, teaching activity and looking for professional support after critical events. Conclusions: Scores for forensic physicians are low-level for emotional exhaustion and medium-level for two subdomains and low-level for alexithymia. Factors revealed by the comparative analysis are important to adjust professional activity and to find strategies to cope with stressful professional events.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».