Trends in Surgeon Burnout in the US and Canada: Systematic Review and Meta-Regression Analysis
Notice bibliographique
Résumé
BACKGROUND: Burnout among surgeons is increasingly recognized as a crisis. However, little is known about changes in burnout prevalence over time. We evaluated temporal trends in burnout among surgeons and surgical trainees of all specialties in the US and Canada. STUDY DESIGN: We systematically reviewed MEDLINE, Embase, and PsycINFO for studies assessing surgeon burnout from January 1981 through September 2021. Changes in dichotomized Maslach Burnout Inventory scores and mean subscale scores over time were assessed using multivariable random-effects meta-regression. RESULTS: Of 3,575 studies screened, 103 studies representing 63,587 individuals met inclusion criteria. Publication dates ranged from 1996 through 2021. Overall, 41% of surgeons met criteria for burnout. Trainees were more affected than attending surgeons (46% vs 36%, p = 0.012). Prevalence remained stable over the study period (-4.8% per decade, 95% CI -13.2% to 3.5%). Mean scores for emotional exhaustion declined and depersonalization declined over time (-4.1 per decade, 95% CI -7.4 to -0.8 and -1.4 per decade, 95% CI -3.0 to -0.2). Personal accomplishment scores remained unchanged. A high degree of heterogeneity was noted in all analyses despite adjustment for training status, specialty, practice setting, and study quality. CONCLUSIONS: Contrary to popular perceptions, we found no evidence of rising surgeon burnout in published literature. Rather, emotional exhaustion and depersonalization may be decreasing. Nonetheless, burnout levels remain unacceptably high, indicating a need for meaningful interventions across training levels and specialties. Future research should be deliberately designed to support longitudinal integration through prospective meta-regression to facilitate monitoring of trends in surgeon burnout.
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 | 0,019 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,027 |
| Bibliométrie | 0,012 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».