Prevalence and relationship between burnout and depression in our future doctors: a cross-sectional study in a cohort of preclinical and clinical medical students in Ireland
Notice bibliographique
Résumé
OBJECTIVES: This cross-sectional study was designed to measure burnout and its impact on risk of depression in a medical student population, comparing the preclinical and clinical years. DESIGN: We conducted a survey of 269 medical school students in both preclinical and clinical years at the Royal College of Surgeons in Ireland, using the Beck Depression Inventory-Fast Screen (BDI-FS), the Maslach Burnout Inventory-Student Survey and items assessing willingness to use mental health services. Burnout scores were calibrated to probability of depression caseness and classified as low risk (<25%), intermediate (25%-50%) and high risk (>50%) of depression. RESULTS: There was a 39% (95% CI 33% to 45%) prevalence of depressive caseness based on a score of ≥6 on the BDI-FS. Prevalence did not vary significantly between clinical and preclinical years. The rate of burnout varied significantly between years (p=0.032), with 35% in the high-burnout category in clinical years compared with 26% in preclinical years. Those in the low burnout category had a 13% overall prevalence of depressive symptoms, those in the intermediate category had a 38% prevalence and those in the high category had a 66% prevalence of depressive symptoms. Increasing emotional exhaustion (OR for one-tertile increase in score 2.0, p=0.011) and decreasing academic efficacy (OR 2.1, p=0.007) increased the odds of being unwilling to seek help for mental health problems (11%). CONCLUSION: While previous studies have reported significant levels of burnout and depression, our method of calibrating burnout against depression allows burnout scores to be interpreted in terms of their impact on mental health. The high prevalences, in line with previous research, point to an urgent need to rethink the psychological pressures of health professions education.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».