Prevalence of alexithymia and its association with burn out among medical field students at Umm Al-Qura University in Saudi Arabia
Notice bibliographique
Résumé
Background/Aim: Alexithymia is the sub clinical inability to recognize and describe one's feelings.In the medical field, students often become emotionally blind when dealing with the difficulties of their studies, which can lead to burnout syndrome.This study's purpose is to assess prevalence of alexithymia and its association with burnout among medical field students at Umm Al-Qura University (UQU), Saudi Arabia.Methodology: A cross sectional survey of medical field students at UQU was conducted to assess the prevalence of alexithymia using the Toronto Alexithymia Scale and academic burnout, measured using the Maslach Burnout Inventory.T-tests were run to assess specialties and gender differences.Result: A total of 387 medical field students completed the study questionnaire.The prevalence of alexithymia among medical field students was 36.7% and alexithymia was detected among 42.2% of female students compared with 30.4% of male students (P=0.033).A significant relation was found between alexithymia among medical field students at UQU and their burnout (P=0.001).Conclusions: One third of the study participants may have alexithymia.Given the important association between burnout and alexithymia, increasing awareness of alexithymia and providing self improvement programs for burnout prevention is highly recommended.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».