Factors associated with the improvement of the empathy levels among clinical-year medical students in Southern Thailand: a university-based cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Empathy is one of the core medical professionalisms that distress, burnout, and lack of personal well-being is also recognized as an important influencer on lower empathy levels. Therefore, this study aimed to explore the mental health, burnout, and factors associated with the empathy levels among Thai, clinical-year medical students. METHODS: This cross-sectional study surveyed all fourth-to sixth-year medical students at the Faculty of Medicine, Prince of Songkla University, in Thailand; at the end of the 2020 academic year. The questionnaires utilized were: (1) The personal and demographic information questionnaire, (2) The Toronto Empathy Questionnaire, (3) Thai Mental Health Indicator-15, and (4) The Maslach Burnout Inventory; Thai version. All data were analyzed using descriptive statistics, and factors associated with empathy levels were analyzed via the chi-square test and logistic regressions. RESULTS: There were 466 participants, with a response rate of 91.5%. The majority were female (56.2%), and reported a below-average level of empathy (57.1%); with a median score (IQR) of 44 (40-48). The gender proportion of a below-average empathy level among male and female participants was 66.3% and 50.4%, respectively. Of the participants, 29.6% had poor mental health, 63.5% and 39.7% reported a high level of emotional exhaustion and depersonalization scores; even though most of them (96.6%) perceived having a high level of personal accomplishment. Multivariate analysis indicated that females, higher mental health, and a low level of depersonalization were statistically significant protective factors, which improved the empathy levels. CONCLUSIONS: More than half of the clinical-year medical students reported below-average empathy levels. Female gender, better mental health, and a low level of depersonalization were related to the improvement of the empathy levels. Therefore, medical educators should emphasize the importance of focusing supporting students, of all genders and in regards to all stages of medical education, to increase their levels of empathy, to promote individual well-being, and to effectively prevent the phenomenon of student 'burnout'.
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 | 0,001 | 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 ».