Global prevalence of burnout among postgraduate medical trainees: a systematic review and meta-regression
Notice bibliographique
Résumé
BACKGROUND: Burnout among postgraduate medical trainees (PMTs) is increasingly being recognized as a crisis in the medical profession. We aimed to establish the prevalence of burnout among PMTs, identify risk and protective factors, and assess whether burnout varied by country of training, year of study and specialty of practice. METHODS: We systematically searched MEDLINE, Embase, PsycINFO, the Cochrane Database of Systematic Reviews, Web of Science and Education Resources Information Center from their inception to Aug. 21, 2018, for studies of burnout among PMTs. The primary objective was to identify the global prevalence of burnout among PMTs. Our secondary objective was to evaluate the association between burnout and country of training, year of study, specialty of training and other sociodemographic factors commonly thought to be related to burnout. We employed random-effects meta-analysis and meta-regression techniques to estimate a pooled prevalence and conduct secondary analyses. RESULTS: In total, 8505 published studies were screened, 196 met eligibility and 114 were included in the meta-analysis. The pooled prevalence of burnout was 47.3% (95% confidence interval 43.1% to 51.5%), based on studies published over 20 years involving 31 210 PMTs from 47 countries. The prevalence of burnout remained unchanged over the past 2 decades. Burnout varied by region, with PMTs of European countries experiencing the lowest level. Burnout rates among medical and surgical PMTs were similar. INTERPRETATION: Current wellness efforts and policies have not changed the prevalence of burnout worldwide. Future research should focus on understanding systemic factors and leveraging these findings to design interventions to combat burnout. STUDY REGISTRATION: PROSPERO no. CRD42018108774.
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 | 0,026 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,041 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».