Work Engagement as a Measure of Wellness in Pediatric Hospital Medicine
Notice bibliographique
Résumé
Background: Literature on wellness in pediatrics is limited and there are no published data specific to pediatric hospital medicine (PHM). Existing literature on wellness focuses largely on physician burnout, but wellness also includes positive traits like work engagement. We sought to assess work engagement and burnout in pediatric hospitalists nationwide. Methods: The study utilized a survey including demographic data, the Utrecht Work Engagement Scale (UWES-17), and the Mini-Z burnout measure. The survey recruited participants via the American Academy of Pediatrics Section on Hospital Medicine Listserv. Results: Totally, 432 of 3,085 (14%) respondents completed the survey with mean total UWES score of 4.36 and 36% reported burnout. As expected, higher work engagement scores correlated with decreased rates of burnout (P < 0.0005). Interestingly, work engagement varied by gender and career stage, with lowest scores found in women in early to mid-career (P < 0.05). Conclusions: In this study we evaluated the wellness of pediatric hospitalists, a group that has not been previously studied, using a combination of burnout and work engagement measures which, while validated, had not been previously used to evaluate physician wellness. This study suggests that wellness interventions could be most effective if targeting women in early to mid-career. Further study is needed to determine causes of decreased work engagement and consider appropriate interventions. Int J Clin Pediatr. 2020;9(4):105-109 doi: https://doi.org/10.14740/ijcp399
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».