Addressing the physician burnout epidemic with resilience curricula in medical education: a systematic review
Notice bibliographique
Résumé
BACKGROUND: A variety of stressors throughout medical education have contributed to a burnout epidemic at both the undergraduate medical education (UGME) and postgraduate medical education (PGME) levels. In response, UGME and PGME programs have recently begun to explore resilience-based interventions. As these interventions are in their infancy, little is known about their efficacy in promoting trainee resilience. This systematic review aims to synthesize the available research evidence on the efficacy of resilience curricula in UGME and PGME. METHODS: We performed a comprehensive search of the literature using MEDLINE, EMBASE, PsycINFO, Educational Resources Information Centre (ERIC), and Education Source from their inception to June 2020. Studies reporting the effect of resilience curricula in UGME and PGME settings were included. A qualitative analysis of the available studies was conducted in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. Risk of bias was assessed using the ROBINS-I Tool. RESULTS: Twenty-one studies met the inclusion criteria. Thirteen were single-arm studies, 6 quasi-experiments, and 2 RCTs. Thirty-eight percent (8/21; n = 598) were implemented in UGME, while 62 % (13/21, n = 778) were in PGME. There was significant heterogeneity in the duration, delivery, and curricular topics and only two studies implemented the same training model. Similarly, there was considerable variation in curricula outcome measures, with the majority reporting modest improvement in resilience, while three studies reported worsening of resilience upon completion of training. Overall assessment of risk of bias was moderate and only few curricula were previously validated by other research groups. CONCLUSIONS: Findings suggest that resilience curricula may be of benefit to medical trainees. Resilience training is an emerging area of medical education that merits further investigation. Additional research is needed to construct optimal methods to foster resilience in medical education.
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 | 0,009 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 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 ».