Evolution of a physician wellness, engagement and excellence strategy: lessons learnt in a mental health setting
Notice bibliographique
Résumé
OBJECTIVE: This study aims to evaluate the impact of several organisational initiatives implemented as part of a physician engagement, wellness and excellence strategy at a large mental health hospital. Interventions that were examined include: communities of practice, peer support programme, mentorship programme and leadership and management programme for physicians. METHODS: A cross-sectional study, guided by the Reach, Effectiveness/Efficacy, Adoption, Implementation and Maintenance evaluation framework, was conducted with physicians at a large academic mental health hospital in Toronto, Canada. Physicians were invited to complete an online survey in April 2021, which composed of questions on the awareness, use and perceived impact of the organisational wellness initiatives and the two-item Maslach Burnout Inventory tool. The survey was analysed using descriptive statistics and a thematic analysis. RESULTS: 103 survey responses (40.9% response rate) were gathered from physicians, with 39.8% of respondents reporting experiences of burn-out. Overall, there was variable reach and suboptimal use of the organisational interventions reported by physicians. Themes emerging from open-ended questions included the importance of addressing: workload and resource related factors; leadership and culture related factors; and factors related to the electronic medical record and virtual care. CONCLUSIONS: Organisational strategies to address physician burn-out and support physician wellness require repeated evaluation of the impact and relevance of initiatives with physicians, taking into account organisational culture, external variables, emerging barriers to access and participation, and physician needs and interest over time. These findings will be embedded as part of ongoing review of our organisational framework to guide changes to our physician engagement, wellness and excellence strategy.
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 | 0,015 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».