Erosion of the ‘ethical’ doctor-patient relationship and the rise of physician burn-out
Notice bibliographique
Résumé
This paper examines the topic of physician burn-out from a philosophical lens. We explore the question of how the rise of physician burn-out may be related to an underlying erosion of meaning in medicine, characterised by the breakdown of the intersubjective relationship between doctors and patients. We argue that while commonly cited strategies for addressing burnout-including promoting work-life integration, cultivating workplace community, and fostering resilience-are critical for enhancing physician well-being, the common thread linking these approaches is that each identifies the physician as the primary locus of intervention. We propose that physician-centric approaches alone may be insufficient in addressing burnout, as the work might also involve shifting our attention to the intersubjective space that exists between the physician and the patient. To further elucidate the connection between intersubjectivity and the creation of meaning in medicine, we call on twentieth-century philosopher Emmanuel Levinas. Applying Levinas's philosophy to the clinical context, we discuss the phenomenon of 'depersonalisation' and ask whether, rather than a mere consequence of burnout, depersonalisation might be a core cause of this condition. With these points we shed light on an idea that is relatively absent from the burn-out literature: that a person-oriented approach is vital not only for patient well-being but for physician wellness as well, as a process that 'de-personalizes' patients might result in a simultaneous dehumanisation of physicians themselves. Drawing inspiration from Levinas, we explore how a reorientation towards the intersubjective, dialogical dimension of the doctor-patient dyad could serve as one important ingredient in healing not only the patient, but the physician as well.
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 | 0,012 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,053 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,005 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».