MétaCan
Menu
Retour à la cohorte
Enregistrement W3096947756 · doi:10.2196/24298

Mental Health and Burnout Syndrome Among Postgraduate Students in Medical and Multidisciplinary Residencies During the COVID-19 Pandemic in Brazil: Protocol for a Prospective Cohort Study

2020· article· en· W3096947756 sur OpenAlexvenueno aff
Rebeca da Nóbrega Lucena Pinho, Thaís Ferreira Costa, Nayane Miranda Silva, Adriana Ferreira Barros Areal, André De Mattos Salles, Andréa Pedrosa Ribeiro Alves Oliveira, Carlos Henrique Reis Esselin Rassi, Caroline Elizabeth Brero Valero, Ciro Martins Gomes, Dayde Lane Mendonça da Silva, Fernando Araújo Rodrigues de Oliveira, Isadora Jochims, Ivan Ranulfo, Juliana De Brito Seixas Neves, Lucas Alves de Brito Oliveira, Maria Nogueira Dantas, Marta Alves Rosal, Mayra Veloso Ayrimoraes Soares, Patrícia Shu Kurizky, Viviane Uliane Peterle, Yasmin Furtado Faro, Ana Paula Monteiro Gomides, Licia da Mota, Cleandro Pires de Albuquerque, Cézar Kozak Simaan, Verônica Moreira Amado

Notice bibliographique

RevueJMIR Research Protocols · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBurnoutMental healthPsychosocialMedicineAnxietyCoping (psychology)CohortFamily medicineMultidisciplinary approachPsychiatryPsychologyClinical psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has led to high levels of physical, psychological, and social stress among health care professionals, including postgraduate students in medical and multidisciplinary residencies. This stress is associated with the intense fear of occupational exposure to SARS-CoV-2, the virus known to cause COVID-19. These professionals are at risk of developing physical and mental illnesses not only due to the infection but also due to prolonged exposure to multidimensional stress and continued work overload. OBJECTIVE: This study aims to evaluate the prevalence of symptoms suggestive of mental disorders and burnout syndrome and determine the risk factors for burnout among postgraduate students in medical and multidisciplinary residencies in Brazil during the COVID-19 pandemic. METHODS: For this prospective cohort study with parallel groups, participants were recruited between July and September 2020 to achieve a sample size of at least 1144 participants. Research instruments such as Depression, Anxiety, and Stress Scale; Patient Health Questionnaire; Brief Resilient Coping Scale; and Oldenburg Burnout Inventory will be used to collect data. Data will be collected in 2 waves: the first wave will include data related to sample characterization and psychosocial evaluation, and the second wave will be launched 12 weeks later and will include an evaluation of the incidence of burnout as well as correlations with the potential predictive factors collected in the first wave. Additionally, we will collect data regarding participants' withdrawal from work. RESULTS: The recruitment took place from July 29 to September 5, 2020. Data analyses for this phase is already in progress. The second phase of the study is also in progress. The final data collection began on December 1, 2020, and it will be completed by December 31, 2020. CONCLUSIONS: We believe the findings of this study will help evaluate the impact of the COVID-19 pandemic on the mental health conditions of health professionals in Brazil as well as contribute to the planning and implementation of appropriate measures that can alleviate these mental health challenges. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/24298.

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)0,013
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,003
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 Opus0,301
Tête enseignante GPT0,648
Écart entre enseignants0,347 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreProtocole

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

En bref

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207