Contributors to and consequences of burnout among clinical genetic counselors in the United States
Notice bibliographique
Résumé
Prior research has found that many genetic counselors (GCs) experience burnout. Studies of other clinicians have demonstrated that burnout can have significant detrimental consequences for clinicians, patients, and the healthcare system. We sought to explore the prevalence of, contributors to, and consequences of burnout among GCs. We performed a secondary data analysis of baseline data from Me-GC, a randomized controlled trial of meditation for GCs. We applied a systems model of burnout proposed by the National Academy of Medicine (NAM), which depicts burnout arising from a combination of contributors that include both work system and individual mediating factors, and then leading to consequences. Validated self-report scales were used to measure burnout and most contributors and consequences. Female and white GCs were over-represented in our sample. Over half (57.2%) of the 397 participants had Professional Fulfillment Index scores indicative of burnout. Multiple potential contributors were associated with burnout, consistent with its known multifactorial nature. Among work system factors, higher levels of burnout were associated with insufficient administrative support, lack of autonomy, and not feeling valued by non-GC colleagues. Individual mediating factors associated with greater burnout included higher levels of anxiety, depression, and stress. Participants with lower levels of burnout reported greater mindfulness, resilience, and use of professional self-care behaviors. Among variables categorized as consequences, higher levels of burnout were associated with lower levels of empathy, counseling alliance, and positive unconditional regard, as well as higher reactive distress, and a greater desire to reduce the amount of time spent on clinical care. Given the prevalence and potential consequences of burnout observed here, it is imperative that the field take steps to mitigate burnout risk.
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».