MétaCan
Menu
Retour à la cohorte
Enregistrement W4327931504 · doi:10.1055/s-0043-1762109

Unwellness: Skull Base Surgery's Greatest Challenge and Opportunity

2023· article· en· W4327931504 sur OpenAlexaff
Janissardhar Skulsampaopol, Yu Ming, Sylvia Shitsama, Melissa Carpino, Jennifer Anderson, Michael D. Cusimano

Notice bibliographique

RevueJournal of Neurological Surgery Part B Skull Base · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueFacial Trauma and Fracture Management
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésSkullBalance (ability)Base (topology)BurnoutWork (physics)MedicineComputer scienceSurgeryEngineeringPhysical medicine and rehabilitationMechanical engineeringMathematicsClinical psychology

Résumé

récupéré en direct d'OpenAlex

Introduction: Skull base surgeons (SBS) are likely to have poor work–life balance (WLB) and burnout due to long and complicated surgeries and demanding clinical needs. However, there are no previous papers that primarily explore the wellness of SBS. Objectives: 1. To assess workload, WLB, and job satisfaction among SBS. 2. To determine rate of burnout among SBS. 3. To compare burnout, workload, WLB, and job satisfaction among SBS and non-SBS. Methods: An international survey developed using a physician wellness framework was sent to staff neurosurgeons (SBS and non-SBS) between June and November 2021. Results: A total of 299 respondents who answered questions regarding their subspecialty were included in the analysis. Forty-seven were SBS and 252 were non-SBS. Over 70% of SBS reported workloads that were too heavy; 63.8% did not have adequate time for their family, and 59.6% were not content with the balance between their work and home life. Almost 50% of SBS stated that they were sleep deprived, had difficulty balancing their professional and personal life, and did not have enough time to perform both work and personal duties. About 75% of SBS had good job satisfaction; 59.6% of them used their time at home to connect with their friends and families and 53.2% felt that the time spent with them was satisfying. The rate of burnout among SBS was 34%. Compared with non-SBS, SBS had 2.79 times the odds of bringing work home (OR: 2.79, 95% CI: 1.32–6.38, p = 0.003). However, SBS were found to be more satisfied with their incomes than non-SBS (OR: 1.77, 95% CI: 0.89–3.52, p = 0.09). No significant differences were found between SBS and non-SBS in terms of burnout (OR: 1.11, 95% CI: 0.53–2.27, p = 0.73), workload (OR: 1.56, 95% CI: 0.76–2.40, p = 0.25), sleep deprivation (OR: 1.20, 95% CI: 0.61–2.36, p = 0.63), WLB (OR: 1.43, 95% CI: 0.74–2.79, p = 0.27), job satisfaction (OR: 1.05, 95% CI: 0.50–2.36, p = 1), and quality time with their families (OR: 0.78, 95% CI: 0.39–1.56, p = 0.51). Conclusion: SBS show signs of significant un-wellness, particularly in terms of workloads and balancing work and non-work activities. Personal life activities are suffering in at least half of SBS with burnout being prevalent. The profession and organizations like hospitals and universities should take measures to realign workloads by creating strategies that enhance surgeons' abilities to achieve personal goals around work and non-work-related activities. Organized skull base surgery societies can take a leadership role in advocating for better wellness strategies globally. Publication History Article published online: 01 February 2023 © 2023. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,286
Écart entre enseignants0,159 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurological Surgery Part B Skull BaseMême sujetFacial Trauma and Fracture ManagementTravaux en français237 207