Burnout Interventions for Resident Physicians: A Scoping Review of Their Content, Format, and Effectiveness
Notice bibliographique
Résumé
CONTEXT.—: Physicians face a high rate of burnout, especially during the residency training period when trainees often experience a rapid increase in professional responsibilities and expectations. Effective burnout prevention programs for resident physicians are needed to address this significant issue. OBJECTIVE.—: To examine the content, format, and effectiveness of resident burnout interventions published in the last 10 years. DESIGN.—: The literature search was conducted on the MEDLINE database with the following keywords: internship, residency, health promotion, wellness, occupational stress, burnout, program evaluation, and program. Only studies published in English between 2010 and 2020 were included. Exclusion criteria were studies on interventions related to the COVID-19 pandemic, studies on duty hour restrictions, and studies without assessment of resident well-being postintervention. RESULTS.—: Thirty studies were included, with 2 randomized controlled trials, 3 case-control studies, 20 pretest and posttest studies, and 5 case reports. Of the 23 studies that used a validated well-being assessment tool, 10 reported improvements postintervention. These effective burnout interventions were longitudinal and included wellness training (7 of 10), physical activities (4 of 10), healthy dietary habits (2 of 10), social activities (1 of 10), formal mentorship programs (1 of 10), and health checkups (1 of 10). Combinations of burnout interventions, low numbers of program participants with high dropout rates, lack of a control group, and lack of standardized well-being assessment are the limitations identified. CONCLUSIONS.—: Longitudinal wellness training and other interventions appear effective in reducing resident burnout. However, the validity and generalizability of the results are limited by the study designs.
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 | 0,024 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,020 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».