MétaCan
Menu
Retour à la cohorte
Enregistrement W3097228656 · doi:10.1001/jamanetworkopen.2020.23256

Association of Sleep Disorders With Physician Burnout

2020· article· en· W3097228656 sur OpenAlexaff
Matthew D. Weaver, Rebecca Robbins, Stuart F. Quan, Conor S. O’Brien, Natalie Viyaran, Charles A. Czeisler, Laura K. Barger

Notice bibliographique

RevueJAMA Network Open · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensCanadian Sleep & Circadian Network
Organismes subventionnairesNational Institute for Occupational Safety and HealthNational Heart, Lung, and Blood InstituteBrigham Research InstituteNational Institutes of HealthBrigham and Women's Hospital
Mots-clésBurnoutSleep (system call)Association (psychology)MedicineCross-sectional studyPsychiatryFamily medicineClinical psychologyPsychologyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Physicians’ mental health concerns affect the quality of life of caregivers, patient safety, health care expenditures, and occupational turnover. More than half of US physicians report burnout. Sleep deficiency is common—often a consequence of rotating or extended-duration shifts, night call, and competing demands. Sleep disturbance is a predictor of depression, and insufficient sleep may contribute to the development of burnout. Medical residents report that prolonged work hours negatively affect their quality of life. These factors suggest that sleep deficiency may be an underlying contributor to poor mental health in physicians. We sought to identify the prevalence of sleep disorders and estimate the cross-sectional association between sleep disorders and burnout symptoms among faculty and staff in a large teaching hospital system.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil0,577

Scores Codex et Gemma par catégorie

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

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 Opus0,037
Tête enseignante GPT0,376
Écart entre enseignants0,339 · 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

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207