MétaCan
Menu
Retour à la cohorte
Enregistrement W2942465470 · doi:10.3390/ijerph16091479

Prevalence of Burnout in Medical and Surgical Residents: A Meta-Analysis

2019· review· en· W2942465470 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésBurnoutMedicineMEDLINEPsychologyClinical psychologyBiology

Résumé

récupéré en direct d'OpenAlex

The burnout syndrome is characterized by emotional exhaustion, depersonalization, and reduced personal achievement. Uncertainty exists about the prevalence of burnout among medical and surgical residents. Associations between burnout and gender, age, specialty, and geographical location of training are unclear. In this meta-analysis, we aimed to quantitatively summarize the global prevalence rates of burnout among residents, by specialty and its contributing factors. We searched PubMed, PsycINFO, Embase, and Web of Science to identify studies that examined the prevalence of burnout among residents from various specialties and countries. The primary outcome assessed was the aggregate prevalence of burnout among all residents. The random effects model was used to calculate the aggregate prevalence, and heterogeneity was assessed by I2 statistic and Cochran’s Q statistic. We also performed meta-regression and subgroup analysis. The aggregate prevalence of burnout was 51.0% (95% CI: 45.0–57.0%, I2 = 97%) in 22,778 residents. Meta-regression found that the mean age (β = 0.34, 95% CI: 0.28–0.40, p < 0.001) and the proportion of males (β = 0.4, 95% CI = 0.10–0.69, p = 0.009) were significant moderators. Subgroup analysis by specialty showed that radiology (77.16%, 95% CI: 5.99–99.45), neurology (71.93%, 95% CI: 65.78–77.39), and general surgery (58.39%, 95% CI: 45.72–70.04) were the top three specialties with the highest prevalence of burnout. In contrast, psychiatry (42.05%, 95% CI: 33.09–51.58), oncology (38.36%, 95% CI: 32.69–44.37), and family medicine (35.97%, 95% CI: 13.89–66.18) had the lowest prevalence of burnout. Subgroup analysis also found that the prevalence of burnout in several Asian countries was 57.18% (95% CI: 45.8–67.85); in several European countries it was 27.72% (95% CI: 17.4–41.11) and in North America it was 51.64% (46.96–56.28). Our findings suggest a high prevalence of burnout among medical and surgical residents. Older and male residents suffered more than their respective counterparts.

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 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)0,018
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,373
Tête enseignante GPT0,584
Écart entre enseignants0,211 · 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