Resident physician burnout: insights from a Canadian multispecialty survey
Notice bibliographique
Résumé
Abstract Background Burnout results from chronic exposure to stress: comprising emotional exhaustion (EE), depersonalisation (DP) and a reduced sense of personal achievement (PA). Only a few studies have examined burnout in Canadian residents, and no multispecialty studies using the Maslach Burnout Inventory-Health Sciences Survey (MBI-HSS) exist. The purpose of our study is to identify burnout prevalence, contributory factors and solutions. Methods A prospective 62-item survey, including the 22-item MBI-HSS, was sent to all Alberta residents, with a resident population of 1745. The association between burnout, EE, DP and PA with items in the survey was performed. Continuous data were evaluated using Student’s t-test or analysis of variance. Ordinal data were evaluated using Spearman’s correlation coefficient and Mann-Whitney U test. Nominal data were evaluated using χ2 test. Results Response rate was 41.1% (n=718), with burnout prevalence of 69.4%. 61.6% of residents demonstrated high EE, 47.8% high DP and 29.0% low PA. More hours worked, poor work–life balance, poor service-education balance, poor mental health support, experiencing intimidation/harassment and being unhappy with programme and with career choice were associated with higher burnout (p<0.001). 53.5% of residents experienced intimidation/harassment. Solutions to burnout included improved teaching, improved call/working hours, more wellness days and a change in medicine culture. Conclusion High prevalence of burnout in Canadian residents with contributory factors and solutions identified. We hope programmes across the world can use this information to improve the burden of burnout among residents.
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 | 0,005 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».