Physician Anxiety and Burnout: Symptom Correlates and a Prospective Pilot Study of App-Delivered Mindfulness Training
Notice bibliographique
Résumé
BACKGROUND: Physician burnout is on the rise, yet little is known about its relationship to anxiety. Mindfulness-based stress reduction has demonstrated decreases in anxiety, yet physicians have reported reluctance to engage in it due to significant time commitments. OBJECTIVE: The aims of this study are to assess whether app-based mindfulness training can reduce anxiety in physicians and to explore if anxiety and burnout are correlated, thus leading to a reduction in both anxiety and burnout. METHODS: This was a nonrandomized pilot study comprised of 34 physicians who worked in a large US health care network and reported having anxiety. The intervention was an app-based mindfulness program. The main outcome measure was anxiety, measured by the Generalized Anxiety Disorder-7 (GAD-7). The secondary outcome measures assessed burnout: cynicism and emotional exhaustion items from the Maslach Burnout Inventory. RESULTS: GAD-7 scores decreased significantly at posttreatment (1 month after treatment initiation, 48% reduction, P<.001) and at the 3-month follow-up (57% reduction, P<.001). There was a significant correlation between anxiety and burnout (cynicism: r=.43; P=.01; emotional exhaustion: r=.71; P<.001). There was also a significant decrease in cynicism (50% reduction, P=.003 at posttreatment; 50% reduction, P=.009 at follow-up) and emotional exhaustion at both time points (20% reduction, P<.001 at posttreatment; 20% reduction, P=.003 at follow-up). CONCLUSIONS: This pilot study is the first to test an app-based mindfulness training program targeted at reducing anxiety with physicians and to demonstrate that in physicians, anxiety is correlated with burnout. These findings suggest that this may be an effective tool to reduce anxiety and burnout in physicians. TRIAL REGISTRATION: ClinicalTrials.gov NCT04137081; https://www.clinicaltrials.gov/ct2/show/NCT04137081.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».