Pandemic-related factors predicting physician burnout beyond established organizational factors: cross-sectional results from the COPING survey
Notice bibliographique
Résumé
The COVID-19 pandemic has increased physician burnout beyond high baseline levels. We aimed to determine whether pandemic-related factors contribute to physician burnout beyond known organizational factors. This was a cross-sectional survey of Canadian physicians using a convenience sample. Eligible participants included any physician currently holding a license to practice in Canada. Responses were gathered from May 13 to 12 June 2020. Risk factors measured included the newly developed Pandemic Experiences and Perceptions Scale (PEPS) subscales, contact with virus, pandemic preparation, and provincial caseload. The primary outcome was the Maslach Burnout Inventory (MBI). The primary outcome was completed by 309 respondents. Latent profile analysis found 107 (34.6%) respondents were burned out. In multivariate analysis, exhaustion was independently associated with PEPS adequacy, risk perception, and worklife subscales (adjusted R2 = 0.236, P < 0.001). Cynicism was associated with exhaustion, and PEPS worklife (adjusted R2 = 0.543, P < 0.001). Efficacy was associated with cynicism, PEPS worklife, and active cases (adjusted R2 = 0.152, P < 0.001). Structural equation modelling showed statistically significant direct paths between PEPS areas of worklife and all MBI subscales. Contact with virus, preparation, and PEPS risk perception added to the prediction of MBI exhaustion. Among a sample of Canadian physicians during the COVID-19 pandemic, adequacy of resources, risk perception, and quality of worklife were associated with burnout indices. To mitigate physician burnout organizations should work to improve working conditions, ensure adequate resources, and foster perceived control of risk of transmission.Trial Registration: NCT04379063.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».