ALEXITHYMIA AND THE BIG FIVE PERSONALITY TRAITS AS PREDICTORS OF BURNOUT AMONG MEDICAL STUDENTS
Notice bibliographique
Résumé
ALEXITHYMIA AND THE BIG FIVE PERSONALITY TRAITS AS PREDICTORS OF BURNOUT AMONG MEDICAL STUDENTS (Abstract): Professional exhaustion or burnout in health professionals has become a serious problem, as previous studies documented its effects on personal and professional life, such as a lower quality of care, reduced level of patient satisfaction, and problems with patient safety. Aim: Our study aimed to assess the influence of several psychological, demographic and academic characteristics on Romanian medical students’ levels of burnout. Material and methods: Participants (315 students in general medicine) were administered three psychological instruments: Maslach Burnout Inventory, measuring the general level of burnout and its three dimensions: emotional exhaustion, depersonalization and personal accomplishment; Big Five Inventory, evaluating the Big Five Factors (dimensions) of personality: Extraversion, Agreeableness, Conscientiousness, Neuroticism, and Openness; and Toronto Alexithymia Scale, assessing one’s difficulties with emotional processing and emotional awareness on three dimensions: difficulty of describing feelings, difficulty of identifying feelings, and externally-oriented thinking. Results show that students with higher levels of Neuroticism also report higher levels of Emotional Exhaustion. Also, more extravert, conscientious, open, and less neurotic students experience a greater sense of Personal Accomplishment, while students low on Agreeableness score high on Depersonalization. Associations between the three facets of burnout and demographic and academic variables were also found. Conclusions: such psychological profiles of burnout vulnerability among medical students could inform future academic guidance programs designed to prevent burnout at younger stages of medical training.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 tête enseignante, 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 ».