Burnout among specialists and trainees in physical medicine and rehabilitation: A systematic review
Notice bibliographique
Résumé
OBJECTIVE: Burnout, a state of emotional exhaustion related to work or patient-care activities, is prevalent in all stages of medical training and clinical practice. The syndrome has serious consequences, including medical errors, poorer quality of care, substance abuse, and suicide. The aim of this study is to evaluate the prevalence of burnout in Physical Medicine and Rehabilitation (PMandR) specialists and trainees. METHODS: Systematic literature searches were conducted in MEDLINE, CINAHL and EMBASE for peer-reviewed articles in English before March 2019 about the prevalence of burnout amongst PMandR specialists and trainees. RESULTS: This systematic review yielded 359 results. Of these, 33 full-text records were reviewed; 5 met the inclusion criteria: 3 surveys of PMandR specialists and 2 of PMandR residents (total n?=?1,886 physicians; year of publication 20122019). Data extracted included prevalence and severity of burnout and, if available, risk or protective factors. Data were analysed using descriptive statistics. Incidence of burnout ranged from 22.2% to 83.3% in trainees and 48% to 62% in specialists. Organizational and system challenges were the primary risk factors for burnout amongst specialists. CONCLUSION: Emerging evidence positions physicians in PMandR among the most likely to experience burnout. Although there is limited literature regarding PMandR specialists and trainees, the available evidence suggests that more than half of physicians in PMandR experience burnout.
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 | 0,011 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».