Wellness and Coping of Physicians Who Worked in ICUs During the Pandemic: A Multicenter Cross-Sectional North American Survey*
Notice bibliographique
Résumé
OBJECTIVES: Few surveys have focused on physician moral distress, burnout, and professional fulfilment. We assessed physician wellness and coping during the COVID-19 pandemic. DESIGN: Cross-sectional survey using four validated instruments. SETTING: Sixty-two sites in Canada and the United States. SUBJECTS: Attending physicians (adult, pediatric; intensivist, nonintensivist) who worked in North American ICUs. INTERVENTION: None. MEASUREMENTS AND MAIN RESULTS: We analysed 431 questionnaires (43.3% response rate) from 25 states and eight provinces. Respondents were predominantly male (229 [55.6%]) and in practice for 11.8 ± 9.8 years. Compared with prepandemic, respondents reported significant intrapandemic increases in days worked/mo, ICU bed occupancy, and self-reported moral distress (240 [56.9%]) and burnout (259 [63.8%]). Of the 10 top-ranked items that incited moral distress, most pertained to regulatory/organizational ( n = 6) or local/institutional ( n = 2) issues or both ( n = 2). Average moral distress (95.6 ± 66.9), professional fulfilment (6.5 ± 2.1), and burnout scores (3.6 ± 2.0) were moderate with 227 physicians (54.6%) meeting burnout criteria. A significant dose-response existed between COVID-19 patient volume and moral distress scores. Physicians who worked more days/mo and more scheduled in-house nightshifts, especially combined with more unscheduled in-house nightshifts, experienced significantly more moral distress. One in five physicians used at least one maladaptive coping strategy. We identified four coping profiles (active/social, avoidant, mixed/ambivalent, infrequent) that were associated with significant differences across all wellness measures. CONCLUSIONS: Despite moderate intrapandemic moral distress and burnout, physicians experienced moderate professional fulfilment. However, one in five physicians used at least one maladaptive coping strategy. We highlight potentially modifiable factors at individual, institutional, and regulatory levels to enhance physician wellness.
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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».