MétaCan
Menu
Retour à la cohorte
Enregistrement W3043260125 · doi:10.1016/j.phro.2020.07.001

Professional quality of life and burnout among medical physicists working in radiation oncology: The role of alexithymia and empathy

2020· article· en· W3043260125 sur OpenAlexaboutno aff
Marialaura Di Tella, Valentina Tesio, Jenny Bertholet, Anne Gasnier, E. González Del Portillo, Mateusz Spałek, Jean‐Emmanuel Bibault, Gerben R. Borst, Wouter van Elmpt, Daniela Thorwarth, L. Mullaney, Kathrine Røe Redalen, Ludwig Dubois, Cyrus Chargari, Sophie Perryck, Steven Petit, M. Lybeer, Lorys Castelli, Pierfrancesco Franco

Notice bibliographique

RevuePhysics and Imaging in Radiation Oncology · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlexithymiaEmpathyBurnoutCompassion fatigueClinical psychologyEmpathic concernQuality of life (healthcare)PsychologyPersonal distressMedicineDistressOncologyNursingPsychiatryPerspective-taking

Résumé

récupéré en direct d'OpenAlex

Background and purposeThe professional quality of life of radiation oncology professionals can be influenced by different contributing factors, including personality traits. Alexithymia involves deficits in emotion processing and awareness. Empathy is the ability to understand another’s ‘state of mind/emotion’. We investigated professional quality of life, including burnout, in radiation oncology, exploring the role of alexithymia and empathy and targeting the population of medical physicists (MPs), since this professional category is usually underrepresented in surveys exploring professional well-being in radiation oncology and MPs may experience professional distress given the increasing complexity of multimodal cancer care.Material and methodsAn online survey was addressed to ESTRO members. Participants filled out three questionnaires to evaluate alexithymia, empathy and professional quality of life: a) Toronto Alexithymia Scale (TAS-20); b) Interpersonal Reactivity Index (IRI); c) Professional Quality of Life Scale (ProQoL). Professional quality of life as per ProQoL was considered as dependent variable. The three domains of the ProQoL, namely compassion satisfaction (CS), secondary traumatic stress (STS) and burnout were correlated with alexithymia (as per TAS-20) and empathy (as per IRI with three subcategories: empathic concern, perspective taking and personal distress) and demographic/professional characteristics as independent variables. Generalized linear modeling was used. Significant covariates on univariate linear regression analysis were included in the multivariate linear regression model.ResultsA total of 308 medical physicists completed all questionnaires. Alexithymia as per TAS-20 was correlated to decreased CS (β = −0.25, p < 0 0.001), increased likelihood for STS (β = 0.26, p < 0 0.001) and burnout (β = 0.47, p < 0 0.001). With respect to empathy, the ‘Empatic Concern’ subscale of the IRI was found to be a significant predictor for increased CS (β = 0.19, p = 0 0.001) and increased STS (β = 0.19, p < 0 0.001), without significant correlation with burnout. The individual’s perception of being valued by own’s supervisor was correlated to increased CS (β = 0.23, p < 0.001), and decreased burnout (β = −0.29, p < 0.001).ConclusionsAlexithymic personality trait increased the likelihood to develop burnout, with less professional satisfaction amongst MPs working in radiation oncology. Empathy results in higher professional fulfilment. These results may be used to benchmark preventing strategies, including peer support, debriefing sessions, leadership initiatives and work-load limitation strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,438
Écart entre enseignants0,386 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics and Imaging in Radiation OncologyMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207