Float or sink: a solution to the resident burn-out crisis?
Notice bibliographique
Résumé
Introduction As medical students, we were always told that medicine is a tough road. The training is gruelling with endless hours of studying, patient care, and considerable sacrifices in our personal lives. Many came into this profession ready for long hours and difficult training. However, until residency, it is tough to envision what the experience really entails. Recently, a debate erupted in the Medical Twitter universe when Dr. Colleen Farrell, an Internal Medicine resident at Bellevue Hospital in New York, wrote a tweet decrying 27-hour resident call shifts as inhumane. Dr. Farrell argued that residents and staff physicians deserve protection against harsh working hours and conditions on par with workers in unionized professions. For instance, the Ontario Nurses Association closely regulates how long nurses can work in a given day with the minimal time nurses must receive for breaks1. The ensuing debate saw numerous residents and staff physicians joining the conversation on either side of the argument. Many physicians argued that extended call shifts are a necessary part of resident training which equips residents to work effectively and independently in future demanding roles. On the other hand, many suggest that the lack of adequate rest and humane working hours leaves residents ill-prepared to make decisions and may hinder patient care. In the end, Dr. Farrell received heavy backlash that led to her taking a break from Twitter. But what does the research say? Does reducing working hours improve resident wellness and patient safety? What is the impact on resident education? Can there be a way to balance resident wellness with competency and quality of care?
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».