Burnout, Stress, and Stimulant Abuse among Medical and Dental Students in the Western Region of Saudi Arabia
Notice bibliographique
Résumé
Background: High levels of burnout, stress, and stimulant abuse have been reported among medical and dental students worldwide, with country-specific factors being contributors. The association, risk factors, and predictors of these three variables have not sufficiently been reported from Saudi Arabia, especially from the Western region. Objective: To determine the prevalence, association, and predictors of burnout, stress, and stimulant abuse among medical and dental students in the Western region of Saudi Arabia. Methods: This cross-sectional study included all second to sixth year medical and dental students enrolled at Taibah University, Madinah, Saudi Arabia, during the 2019-2020 academic year. A self-administered, closed online questionnaire was administered. Data regarding stress were elicited using Cohen's 10-item Self-Perceived Stress Scale and regarding burnout using the Oldenburg Burnout Inventory Student Version questionnaire. Multiple logistic regression model to identify the risk of burnout was conducted, and univariate and multiple linear regression models were carried out to identify the predictors of stress. Results: Of 1016 eligible students, 732 responded (medical: 511; dental: 221). About half of the students experienced burnout (51.5%), with both high disengagement (49%) and exhaustion (45%). Most participants (90.3%) experienced moderate levels of stress. Eight (1.1%) respondents had experienced stimulant abuse; there was a no significant association between stimulant abuse and burnout in the multivariate analysis. Stress, age, gender, body mass index, GPA, study field, smoking, family income, and birth order were significant predictors of burnout, while burnout, age, gender, GPA, and physical exercise were significant predictors of stress. Conclusion: The findings in this study highlight the need for policymakers to devise strategies that target early identification as well as reduction of the high levels of burnout and stress.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».