Disability, program access, empathy and burnout in US medical students: A national study
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study is to investigate whether self-disclosed disability and self-reported program access are associated with measures of empathy and burnout in a national sample of US medical students. METHODS: The authors obtained data from students who responded to the Association of Medical Colleges (AAMC) Year 2 Questionnaire (Y2Q) in 2019 and 2020. Data included demographic characteristics, personal variables, learning environment indicators, measures of burnout (Oldenburg Burnout Inventory for Medical Students), empathy (Interpersonal Reactivity Index) and disability-related questions, including self-reported disability, disability category and program access. Associations between disability status, program access, empathy and burnout were assessed using multivariable logistic regression models accounting for YQ2 demographic, personal-related and learning environment measures. RESULTS: Overall, 23 898 (54.2%) provided disability data and were included. Of those, 2438 (10.2%) self-reported a disability. Most medical students with disabilities (SWD) self-reported having program access through accommodations (1215 [49.8%]) or that accommodations were not required for access (824 [33.8%]). Multivariable models identified that compared with students without disabilities, SWD with and without program access presented higher odds of high exhaustion (1.50 [95% CI, 1.34-1.69] and 2.59 [95% CI, 1.93-3.49], respectively) and lower odds of low empathy (0.75 [95% CI, 0.67-.85] and 0.68 [95% CI, 0.52-0.90], respectively). In contrast, multivariable models for disengagement identified that SWD reporting lack of program access presented higher odds of high disengagement compared to students without disabilities (1.43 [95% CI, 1.09-1.87], whereas SWD with program access did not (1.09 [95% CI, 0.97-1.22]). CONCLUSIONS: Despite higher odds of high exhaustion, SWD were less likely to present low empathy regardless of program access, and SWD with program access did not differ from students without disabilities in terms of disengagement. These findings add to our understanding of the characteristics and experiences of SWD including their contributions as empathic future physicians.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 tête enseignante, 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 ».