Burnout among emergency physicians working at a large tertiary centre in Ontario
Notice bibliographique
Résumé
BACKGROUND: Emergency medicine (EM) is a high-stress specialty. Work related stress and burnout have been reported to negatively impact physician-patient interactions, overall physician mental and physical health, and most importantly, patient outcomes. We assessed the rates of burnout among emergency physicians (EPs) at our centre. METHODS: A local cross-sectional study to assess burnout among adult and pediatric EPs, fellows and residents was conducted at three Emergency Departments (EDs) at a single institution in Canada. The anonymous online survey encompassed demographics, the validated MBI tool (Maslach Burnout Inventory) and additional questions aimed at identifying determinants of EP burnout. Each respondent’s three MBI scale scores, (Emotional Exhaustion, Depersonalization and Personal Accomplishment), were calculated as described in the MBI manual. Descriptive statistics were calculated and relationships between risk factors and burnout scores were examined using t-tests, one-way ANOVAs, and/or regression analyses where appropriate. RESULTS: The survey had a 72% (84/118) response rate. Results indicated a high degree of burnout among EPs with 66.2% of respondents meeting the cutoff for burnout. Physicians who were single, female, CCFP-EM trained and those having fewer years of practice were identified to have higher burnout scores. We did not identify any factors to be predictive or any associated with Personal Accomplishment. CONCLUSION: Consistent with previous literature, EPs at this institution were shown to be at risk for moderate to severe burnout. Despite this, they showed high feelings of personal accomplishment. This study suggests that opportunities exist for wellness programs targeted at identified high risk groups.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».