Abstract 282: Understanding Current Organizational Strategies to Support Physician Well‐Being in Stroke, Neurocritical Care, and Neurointerventional Practice
Notice bibliographique
Résumé
Introduction Burnout in medicine is an occupational hazard and has emerged as a pressing concern in recent years. Organizational changes can be impactful in countering burnout (1). The factors leading to burnout in medicine are multifaceted, encompassing organizational factors such as workload, inadequate support, and inefficient administrative systems. The purpose of this study is to investigate current organizational measures to support physician well‐being. This study was an initiative led by the SVIN wellness committee. Methods A 39‐question online survey investigating current organizational well‐being practices was distributed to physicians both nationally and internationally practicing stroke, neurocritical care, and interventional neurology. Data analysis was performed using Python, utilizing the libraries “pandas” and “sklearn”. Results This study analyzed burnout among 109 healthcare professionals, predominantly from the U.S. (93.6%) and Canada (6.4%). The majority were neurointerventional specialists (53.2%), aged 35‐44 years (52.3%), and male (62.4%). Burnout frequency was measured on a 0 (Never) to 4 (Every day) scale. Using a Random Forest model, the study identified key burnout predictors from questions, which covered organizational leadership, wellness resources, compensation, and workload. The most influential predictors were: adequacy of compensation relative to specialty, workload, and stress (17.7% importance); leadership accountability for workforce wellbeing (9.1%); and establishment of wellness or burnout as a critical metric (7.5%). Other factors included provision of wellness screenings (7.1%), and dedication of resources toward professional well‐being (4.9%). Conclusion The study identifies compensation, leadership accountability, and wellness resources as key predictors of burnout among healthcare professionals. These findings highlight the need for targeted organizational strategies to enhance physician well‐being and mitigate burnout. Further research is warranted to validate and expand upon these findings.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».