Incidence of resident mistreatment in the learning environment across three institutions
Notice bibliographique
Résumé
INTRODUCTION: Mistreatment in the learning environment is associated with negative outcomes for trainees. While the Association of American Medical Colleges (AAMC) annual Graduation Questionnaire (GQ) has collected medical student reports of mistreatment for a decade, there is not a similar nationally benchmarked survey for residents. The objective of this study is to explore the prevalence of resident experiences with mistreatment. METHODS: Residents at three academic institutions were surveyed using questions similar to the GQ in 2018. Quantitative data were analyzed based on frequency and Mann-Whitney U tests to detect gender differences. RESULTS: Nine hundred ninety-six of 2682 residents (37.1%) responded to the survey. Thirty-nine percent of residents reported experiencing at least one incident of mistreatment. The highest reported incidents were public humiliation (23.7%) and subject to offensive sexist remarks/comments (16.0%). Female residents indicated experiencing significantly more incidents of public embarrassment, public humiliation, offensive sexist remarks, lower evaluations based on gender, denied opportunities for training or rewards, and unwanted sexual advances. Faculty were the most frequent instigators of mistreatment (66.4%). Of trainees who reported experiencing mistreatment, less than one-quarter reported the behavior. CONCLUSION: Mistreatment in the academic learning environment is a concern in residency programs. There is increased frequency among female residents.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».