Assessment of Burnout Among Canadian Pharmacists Working in Team-based Primary Care Settings
Notice bibliographique
Résumé
BACKGROUND: Burnout syndrome is well-documented among healthcare professionals across various practice settings. There has been recent expansion of Canadian pharmacists into team-based primary care and burnout in this setting has not been assessed. Our objective was to assess workplace burnout and to identify factors that play a role in perpetuating or diminishing it. METHOD: An online survey to assess burnout was developed using the Maslach Burnout Inventory (MBI) tool and questions regarding pharmacist background and practice. Invitations to complete the survey were sent to Canadian pharmacists working in team-based primary care settings on November 26, 2019 via a national primary healthcare listserv. RESULTS: A total of 31/433 completed responses were collected. The main analysis focused on the personal accomplishment (PA) domain as it had an adequate response rate. The PA domain had a median score of 5.0 (95% CI 4.69-5.22). We compared medians of the PA domain across different groups of each categorical variable. We found that the number of years working in primary care settings was positively associated with a higher PA domain score (p= 0.029). DISCUSSION: PA was higher in pharmacists who have been practicing in a primary care setting for longer; however, burnout rates could not be properly assessed due to the limited response rate. CONCLUSION: This is the first study to assess burnout among Canadian team-based primary care pharmacists. Personal accomplishment was higher in those who have been practicing in a primary care setting for longer. Future studies should consider alternate methods to evaluate burnout in this population.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».