Association between Burnout Syndrome and medical training by specialty in first-year residents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction. Burnout syndrome (BOS) comprises emotional exhaustion, depersonalization, and reduced personal accomplishment in those affected. Instruments such as the Maslach Burnout Inventory (MBI) can help to identify those affected. Physicians in training have been described as an at-risk group for this syndrome. Objective. Describe the association between BOS and medical training by specialty in first-year residents. Method. This is a cross-sectional analytical study of specialty residents at the Hospital Civil de Guadalajara. Sociodemographic data were obtained and the MBI was administered to identify BOS. Samples were compared, and a comparative analysis performed to identify factors associated with BOS. Results. Eighty-eight residents were included, with 21.6% (n = 19) presenting BOS, 53.4% displaying emotional exhaustion (n = 47), 53.7% showing depersonalization (n = 47), and 39.8% reduced personal accomplishment (n = 35). Presenting BOS was not associated with sociodemographic characteristics or type of specialty. Work hours (ro = .229, p = .032), and a higher number of on-call hours/week (ro = .34, p = .001) were associated with higher BOS. Discussion and conclusion. The prevalence of BOS was lower than expected. Over half scored for emotional exhaustion and depersonalization, which could be explained by a self-reporting bias. There was no association between the group/type of specialty and BOS. This study creates new knowledge that works as an institutional situational diagnosis, helps to determine the scope of the problem, and encourages to consider the contributing factors to its origin and maintenance.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découle