The impact of the COVID-19 pandemic on wellness among vascular surgeons
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) pandemic has placed significant strain on the health and welfare of all health care professionals, including vascular surgeons. This review summarizes the implications of the pandemic on the health and wellness of surgeons and trainees, with a particular focus on those in vascular surgery (VS). A literature review was completed using common resource databases. We provide a brief history of burnout in VS and explore burnout and wellness in VS during this unprecedented pandemic. We then offer recommendations to address mental health needs by the VS workforce and highlight opportunities to address the gaps in the literature. The impact of COVID-19 on the professional and personal lives of surgeons and trainees in VS is notable. More than half of vascular surgeons reported some degree of anxiety. Factors associated with anxiety and burnout include COVID-19 exposure, moral injury, practice changes, and financial impacts. Trainees appeared to have more active coping strategies with dampened rates of anxiety compared to those in practice. Women appear to be disproportionately affected by the pandemic, with higher rates of anxiety and burnout. Groups underrepresented in medicine seemed to have more resilience when it came to burnout, but struggled with other inequities in the health care environment, such as structural racism and isolation. Strategies for addressing burnout include mindfulness practices, exercise, and peer and institutional support. The COVID-19 pandemic has had a substantial mental health impact on the VS workforce globally, as shifts were made in patient care, surgical practice, and work-home life concerns.
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 | 0,017 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».