Extinguishing burnout: National analysis of predictors and effects of burnout in abdominal transplant surgery fellows
Notice bibliographique
Résumé
Burnout among surgeons has been attributed to increased workload and decreased autonomy. Although prior studies have examined burnout among transplant surgeons, no studies have evaluated burnout in abdominal transplant surgery fellows. The objective of our study was to identify predictors of burnout and understand its impact on personal and patient care during fellowship. A survey was sent to all abdominal transplant surgery fellows in an American Society of Transplant Surgeons-accredited fellowship. The response rate was 59.2% (n = 77) and 22.7% (n = 17) of fellows met criteria for burnout. Fellows with lower grit scores were more likely to exhibit burnout compared with fellows with higher scores (3.6 vs 4.0, P = .026). Those with burnout were more likely to work >100 hours per week (58.8% vs 27.6%, P = .023), have severe work-related stress (58.8% vs 22.4%, P = .010), consider quitting fellowship (94.1% vs 20.7%, P < .001), or make a medical error (35.3% vs 5.2%, P = .003). This national analysis of abdominal transplant fellows found that burnout rates are relatively low, but few fellows engage in self-care. Personal and program-related factors attribute to burnout and it has unacceptable effects on patient care. Transplant societies and fellowship programs should develop interventions to give fellows tools to prevent and combat burnout.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».