Post-traumatic stress disorder in a Canadian population of medical students, residents, and physicians
Notice bibliographique
Résumé
BACKGROUND: Physicians encounter stressors with potential long-term psychological consequences. However, a comprehensive picture of post-traumatic stress disorder (PTSD) prevalence and symptomatic work-related event occurrence across practice stages is lacking. OBJECTIVE: To evaluate PTSD prevalence and the occurrence of work-related symptomatic events among physicians and medical learners. METHODS: In 2017, we surveyed 3,036 physicians, residents, and students within the province of Saskatchewan, Canada. Participants completed the Life Events Checklist (LEC) for DSM 4 and the PTSD Checklist for DSM 4-Civilian version (PCL-C). They also reported work-related events that triggered PTSD-like symptoms. The prevalence of a positive PTSD screen (PCL-C ≥ 36) and the proportion identifying a symptomatic work event were determined. The t-test, Chi-square test, and multiple regression were used to evaluate associations between respondent characteristics and these outcomes. RESULTS: Among 565 respondents, 21.2% screened positively, with similarity across career stages. Thirty-nine percent reported a symptom-inducing work event, with many training-related. Although independent PTSD predictors were not identified, partnered residents and surgical residents were more likely to identify a work-related event. Internationally trained practicing physicians were less likely to identify an event. CONCLUSION: Both symptom-inducing work events and PTSD are frequent, broadly based concerns requiring better preventive strategies across career stages.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».