Cross-sectional survey on physician burnout during the COVID-19 pandemic in Vancouver, Canada: the role of gender, ethnicity and sexual orientation
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence of physician burnout during the pandemic and differences by gender, ethnicity or sexual orientation. DESIGN, SETTING AND PARTICIPANTS: We conducted a cross-sectional survey (August-October in 2020) of internal medicine physicians at two academic hospitals in Vancouver, Canada. PRIMARY AND SECONDARY OUTCOMES: Physician burnout and its components, emotional exhaustion, depersonalisation and personal accomplishment were measured using the Maslach Burnout Inventory. RESULTS: The response rate was 38% (n=302/803 respondents, 49% women,). The prevalence of burnout was 68% (emotional exhaustion 63%, depersonalisation 39%) and feeling low personal accomplishment 22%. In addition, 21% reported that they were considering quitting the profession or had quit a position. Women were more likely to report emotional exhaustion (OR 2.00, 95% CI: 1.07 to 3.73, p=0.03) and feeling low personal accomplishment (OR 2.26, 95% CI: 1.09 to 4.70, p=0.03) than men. Visible ethnic minority physicians were more likely to report feeling lower personal accomplishment than white physicians (OR 1.81, 95% CI: 1.28 to 2.55, p=0.001). There was no difference in emotional exhaustion or depersonalisation by ethnicity or sexual orientation. Physicians who reported that COVID-19 affected their burnout were more likely to report any burnout (OR: 3.74, 95% CI: 1.99 to 7.01, p<0.001) and consideration of quitting or quit (OR: 3.20, 95% CI: 1.34 to 7.66, p=0.009). CONCLUSION: Burnout affects 2 out of 3 internal medicine physicians during the pandemic. Women, ethnic minority physicians and those who feel that COVID-19 affects burnout were more likely to report components of burnout. Further understanding of factors driving feelings of low personal accomplishment in women and ethnic minority physicians is needed.
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 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».