Bullying among medical and nonmedical students at a university in Eastern Saudi Arabia
Notice bibliographique
Résumé
BACKGROUND: Many medical students, junior doctors, and other health-care professionals have been affected by the negative experience of bullying. Research is scarce on bullying experienced by medical and nonmedical students in Saudi Arabia unlike what is found in Western countries. It is unclear whether being a nonmedical student modifies the risk of being bullied. MATERIALS AND METHODS: A cross-sectional study included 400 university students using convenient sampling. The sample comprised 295 students who responded and were stratified into medical (n = 176) and nonmedical (n = 119) groups. Statistical Package for the Social Sciences (SPSS) version 22.0 was used to analyze our data. Normality was measured using the Kolmogorov–Smirnov test. Statistical significance was tested using chi-square test for categorical variables, and t-test for continuous variables. RESULTS: Almost half of the respondents were found to have experienced some bullying, victimization, or other harassment during their medical education. The most common forms of bullying were verbal abuse and undue pressure to produce work (43.8%; n = 77). Nonmedical students experienced more bullying than medical students and were more likely to be female, single, and younger in age. The number of medical students subjected to sexual harassment (1.7%; n = 3) was higher than nonmedical students (0.8%; n = 1). Physical violence was more towards nonmedical (4.2%; n = 5) than medical students (1.1%, n = 2). The rates of bullying continue to be associated with anxiety and depression. CONCLUSIONS: Our data suggest similar bullying rates in the developed world but higher than previously reported in a Saudi study. Bullying or harassment affects both medical and nonmedical students and is associated with high levels of anxiety and depression.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».