Physician wellness in orthopaedic surgery
Notice bibliographique
Résumé
AIMS: Physician burnout and its consequences have been recognized as increasingly prevalent and important issues for both organizations and individuals involved in healthcare delivery. The purpose of this study was to describe and compare the patterns of self-reported wellness in orthopaedic surgeons and trainees from multiple nations with varying health systems. METHODS: A cross-sectional survey of 774 orthopaedic surgeons and trainees in five countries (Australia, Canada, New Zealand, UK, and USA) was conducted in 2019. Respondents were asked to complete the Mayo Clinic Well-Being Index and the Stanford Professional Fulfillment Index in addition to 31 personal/demographic questions and 27 employment-related questions via an anonymous online survey. RESULTS: A total of 684 participants from five countries (Australia (n = 74), Canada (n = 90), New Zealand (n = 69), UK (n = 105), and USA (n = 346)) completed both of the risk assessment questionnaires (Mayo and Stanford). Of these, 42.8% (n = 293) were trainees and 57.2% (n = 391) were attending surgeons. On the Mayo Clinic Well-Being Index, 58.6% of the overall sample reported feeling burned out (n = 401). Significant differences were found between nations with regards to the proportion categorized as being at risk for poor outcomes (27.5% for New Zealand (19/69) vs 54.4% for Canada (49/90) ; p = 0.001). On the Stanford Professional Fulfillment Index, 38.9% of the respondents were classified as being burned out (266/684). Prevalence of burnout ranged from 27% for Australia (20/74 up to 47.8% for Canadian respondents (43/90; p = 0.010). Younger age groups (20 to 29: RR 2.52 (95% confidence interval (CI) 1.39 to 4.58; p = 0.002); 30 to 39: RR 2.40 (95% CI 1.36 to 4.24; p = 0.003); 40 to 49: RR 2.30 (95% CI 1.35 to 3.9; p = 0.002)) and trainee status (RR 1.53 (95% CI 1.15 to 2.03 p = 0.004)) were independently associated with increased relative risk of having a 'at-risk' or 'burnout' score. CONCLUSIONS: 2021;2(11):932-939.
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 | 0,004 |
| 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) | 0,003 | 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 ».