Effect of medical student debt on mental health, academic performance and specialty choice: a systematic review
Notice bibliographique
Résumé
Objectives With the high and rising total cost of medical school, medical student debt is an increasing concern for medical students and graduates, with significant potential to impact the well-being of physicians and their patients. We hypothesised that medical student debt levels would be negatively correlated with mental health and academic performance, and would influence career direction (ie, medical specialty choice). Design We performed a systematic literature review to identify articles that assessed associations between medical student mental health, academic performance, specialty choice and debt. The databases PubMed, Medline, Embase, Scopus and PsycINFO were searched on 12 April 2017, for combinations of the medical subject headings Medical Student and Debt as search terms. Updates were incorporated on 24 April 2019. Results 678 articles were identified, of which 52 met the inclusion criteria after being reviewed in full text. The majority of studies were conducted in the USA with some from Canada, New Zealand, Scotland and Australia. The most heavily researched aspect was the association between medical student debt and specialty choice, with the majority of studies finding that medical student debt was associated with pursuit of higher paying specialties. In addition, reported levels of financial stress were high among medical students, and correlated with debt. Finally, debt was also shown to be associated with poorer academic performance. Conclusions Medical student debt levels are negatively associated with mental well-being and academic outcomes, and high debt is likely to drive students towards choosing higher paying specialties. Additional prospective studies may be warranted, to better understand how educational debt loads are affecting the well-being, career preparation and career choices of physicians-in-training, which may in turn impact the quality of care provided to their current and future patients.
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 | 0,006 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».