Analysis on Burnout, Job Conditions, Alexithymia, and Other Psychological Symptoms in a Sample of Italian Anesthesiologists and Intensivists, Assessed Just before the COVID-19 Pandemic: An AAROI-EMAC Study
Notice bibliographique
Résumé
Background. It was previously reported that health care professionals working in the fields of anesthesiology and emergency are at higher risk of burnout. However, the correlations between burnout, alexithymia, and other psychological symptoms are poorly investigated. Furthermore, there is a lack of evidence on which risk factors, specific to the work of anesthetists and intensivists, can increase the risk of burnout, and which are useful for developing remedial health policies. Methods. This cross-sectional study was conducted in 2020 on a sample of 300 professionals recruited from AAROI-EMAC subscribers in Italy. Data collection instruments were a questionnaire on demographic, education, job characteristics and well-being, the Maslach Burnout Inventory Tool, the Toronto Alexithymia Scale, the Symptom Checklist-90-R, and the Rosenberg Self-Esteem Scale administered during refresher courses in anesthesiology. Correlations between burnout and physical and psychological symptoms were searched. Results. With respect to burnout, 29% of individuals scored at high risk on emotional exhaustion, followed by 36% at moderate–high risk. Depersonalization high and moderate–high risk were scored by 18.7% and 34.3% of individuals, respectively. Burnout personal accomplishment was scored by 34.7% of respondents. The highest mean scores of burnout dimensions were related to dissatisfaction with one’s career, conflicting relationships with surgeons, and, finally, difficulty in explaining one’s work to patients. Conclusions. Burnout rates in Italian anesthesiologists and intensivists have been worrying since before the COVID-19 pandemic. Anesthesiologists with higher levels of alexithymia are more at risk for burnout. It is therefore necessary to take urgent health policy measures.
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 | 0,001 | 0,000 |
| 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 ».