Perseverance, faith and stoicism: a qualitative study of medical student perspectives on managing fatigue
Notice bibliographique
Résumé
CONTEXT: Fatigue risk management (FRM) strategies offer a potential solution to the widespread problem of fatigued trainees in the clinical workplace. These strategies assume a shared perception that fatigue is hazardous. Despite the growing body of evidence suggesting that fatigue leads to burnout and medical errors, previous research suggests that residents perceive fatigue as a personal, surmountable burden rather than an occupational hazard. Before we can implement FRM, we need a better understanding of when and how such problematic notions of fatigue are adopted by medical trainees. Thus, we sought to explore how third-year medical students understand and manage the workplace fatigue they experience during their first year of clinical rotations. METHODS: A total of 22 third-year medical students participated in semi-structured interviews exploring their perspectives of workplace fatigue. Data collection and analysis occurred iteratively in keeping with constructivist grounded theory methodology and were informed by theoretical sampling to sufficiency. RESULTS: Our participants described unprecedented levels of sleep deprivation combined with uncertainty and confusion that led to significant fatigue during training. Drawing on their workplace experience, trainees believed that fatigue posed three distinct threats, which evoked different coping strategies: (i) threat to personal health, managed by perseverance; (ii) threat to patients, managed by faith in the system, and (iii) threat to professional reputation, managed by stoicism. CONCLUSIONS: Our findings highlight how senior medical students grapple with fatigue, as they understand it, within a training context in which they are expected to deny the impact of their fatigue on patients and themselves. Despite empirical evidence to the contrary, the prevailing assumption amongst our participants is that an ability to withstand sleep deprivation without impairment will develop naturally over time. Efforts to implement FRM strategies will need to address this assumption if these strategies are to be successfully taken up and effective.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».