Burnout Syndrome in Medical Students in the Kingdom of Bahrain
Notice bibliographique
Résumé
OBJECTIVES: To assess stress and burnout, and identify common stressors, among medical students in the Kingdom of Bahrain. STUDY DESIGN: A cross-sectional study with students being evaluated from March to September 2017 at two medical colleges in the Kingdom of Bahrain. METHODOLOGY: Survey conducted on a total sample of 533 clerkship-training students with a total of 347 respondents. The instruments used were Cohen’s Perceived Stress Scale; the Maslach Burnout Inventory; and a common stressors questionnaire. RESULTS: 65% (347/533) of the students from the two medical colleges responded to the questionnaire. It was found that the mean (SD) of Cohen stress score in this study was 21.76 (5.60), with a stress and burnout prevalence of 47% and 43.43% respectively. A high percentage of respondent students (68%) also exhibited high emotional exhaustion scores > 14. More than half of the respondents (53.3%) exhibited high cynicism score > 6. Statistically significant differences were observed across gender categories with Cohen mean score, emotional exhaustion and cynicism. Multiple linear regressions revealed gender to be the only statistically significant predictor of the Cohen score (p. value 0.042). CONCLUSION: Clerkship medical students displayed high levels of both stress and burnout prevalence. Medical educators must be aware of the early signs, causes and consequences of student stress. They should also be able to encourage students to improve their mental and physical health, promote mental well-being and teach stress management.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 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 ».