The Impact of COVID-19 on Physician Burnout Globally: A Review
Notice bibliographique
Résumé
Background: The current pandemic, COVID-19, has added to the already high levels of stress that medical professionals face globally. While most health professionals have had to shoulder the burden, physicians are not often recognized as being vulnerable and hence little attention is paid to morbidity and mortality within this group. Objective: To analyse and summarise the current knowledge on factors/potential factors contributing to burnout amongst healthcare professionals amidst the pandemic. This review also makes a few recommendations on how best to prepare intervention programmes for physicians. Methods: In August 2020, a systematic review was performed using the database Medline and Embase (OVID) to search for relevant papers on the impact of COVID-19 on physician burnout–the database was searched for terms such as “COVID-19 OR pandemic” AND “burnout” AND “healthcare professional OR physician”. A manual search was done for other relevant studies included in this review. Results: Five primary studies met the inclusion criteria. A further nine studies were included which evaluated the impact of occupational factors (n = 2), gender differences (n = 4) and increased workload/sleep deprivation (n = 3) on burnout prior to the pandemic. Additionally, five reviews were analysed to support our recommendations. Results from the studies generally showed that the introduction of COVID-19 has heightened existing challenges that physicians face such as increasing workload, which is directly correlated with increased burnout. However, exposure to COVID-19 does not necessarily correlate with increased burnout and is an area for more research. Conclusions: There is some evidence showing that techniques such as mindfulness may help relieve burnout. However, given the small number of studies focusing on physician burnout amidst a pandemic, conclusions should be taken with caution. More studies are needed to support these findings.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 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 ».