Agresiones y violencia sufrida por los cardiólogos de Latinoamérica durante la pandemia de COVID-19: subestudio de la encuesta de violencia de SIAC
Notice bibliographique
Résumé
Introducción: La violencia contra el personal de salud es un problema complejo, que parece haberse incrementado por la pandemia de COVID-19. Nos propusimos explorar las diferencias de estos hechos entre cardiólogos y otros médicos de Latinoamérica. Método: Encuesta electrónica con un muestreo no probabilístico por conveniencia al personal médico y no médico de Latinoamérica que desempeñó tareas asistenciales desde marzo de 2020. Resultados: Respondieron a la encuesta 3,544 participantes de 19 países: el 70.8% eran médicos, con una edad promedio de 43.0 ± 11.3 años; el 51.9% eran mujeres. El 84.7% de los participantes tenían alguna especialidad, de los cuales el 34.5% eran cardiólogos. El 58.4% de los médicos informó haber experimentado violencia, siendo esto menos frecuente entre los cardiólogos (40.0 vs. 66.0%; p < 0.001). Las agresiones más comunes fueron realizadas por familiares, pacientes y terceros (56.2%), con una frecuencia similar entre cardiólogos y otros especialistas (34.3 vs. 36.2%, p = 0.261). El 75.0% de los participantes que sufrieron violencia manifestaron haber experimentado síntomas como reviviscencia, evasión, hipervigilancia, alteraciones cognitivas y del estado de ánimo. El 25.1% de los médicos agredidos denunciaron estos hechos. Además, el 59.9% consideró cambiar sus actividades asistenciales y el 34.5% consideró abandonar la profesión, siendo ligeramente más frecuente entre otros especialistas que entre cardiólogos (36.1 vs. 28.1%, p = 0.010). Conclusiones: Encontramos altas tasas de violencia hacia los médicos de Latinoamérica durante la pandemia de COVID-19. Si bien esto fue menos frecuente entre cardiólogos, sus repercusiones en la esfera psicofísica y su actitud hacia la profesión fue similar en todos los profesionales.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».