Mental toughness in surgeons: Is there room for improvement?
Notice bibliographique
Résumé
Background: Mental toughness is crucial to high-level performance in stressful situations. However, there is no formal evaluation or training in mental toughness in surgery. Our objective was to examine differences in mental toughness between staff and resident surgeons, and whether there is an interest in improving this attribute. Methods: We distributed a survey containing the Mental Toughness Index (domains of self-belief, attention regulation, emotion regulation, success mindset, context knowledge, buoyancy, optimism and adversity capacity) among general surgery residents and staff at 3 Canadian academic institutions. Responses were recorded on a 7-point Likert scale. Participants were also asked about techniques they used to help them perform under pressure and interest in further developing mental toughness. Results: Eighty-three of 193 surgeons participated: 56/105 (52.8%) residents and 27/87 (31.0%) staff. The average age was 29 (standard deviation 5) years and 42 (standard deviation 8) years, respectively. Residents scored significantly lower than staff in all mental toughness domains. Men scored significantly higher than women in attention regulation and emotion regulation. Age, staff experience and resident postgraduate year were not significantly associated with mental toughness scores. Twenty residents (36%) and 17 staff (63%) reported using specific techniques to deal with stressful situations; 49 (88%) and 15 (56%), respectively, were interested in further developing mental toughness. Conclusion: Staff surgeons scored significantly higher than residents in all mental toughness domains measured. Both groups expressed a desire to improve mental toughness. There are many techniques to improve mental toughness, and further research is needed to assess their effectiveness in surgical training.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».