Addressing burnout in surgery and vascular surgery
Notice bibliographique
Résumé
Objective By exploring the scientific literature, this article seeks to equip healthcare professionals with the knowledge to identify solutions to burnout within surgery and vascular surgery. Methods A narrative literature review included French and English articles and was conducted in April 2023 with the help of PubMed and Google Scholar databases. Our search included specific MeSH (Medical Subject Heading) terms such as "burnout," "solution," and "healthcare." The review focused on surgical specialties, with a particular lens toward vascular surgery when evidence was available. However, it was broadened to include non-surgical specialties to address knowledge gaps. Through the literature review, we canvased information about operational interventions against burnout, which was then described descriptively. Results We presented a summary of interventions to mitigate burnout as a tiered-approach, categorized into three groups that encompass the individual, the team, and the system. Research supports individual-focused interventions that enhance work-life balance and the use of other tools such as peer support groups, coaching, and counseling. Team-based strategies encompass relationships and mentorship as vital positive factors that curb burnout rates. Finally, the literature advocates for organizational support through good leadership and institutional investment into the workforce's culture and well-being for solutions to burnout at the system level. Conclusions The prevalence of burnout in healthcare professionals is a public health crisis. Indeed, contemporary evaluations in the vascular surgery specialty demonstrate that nearly half of the workforce has experienced burnout. This paper explores the current literature to identify solutions that could help address burnout for vascular surgeons. Current literature supports a tiered approach to mitigate burnout that encompasses elements at the individual, team, and organizational levels.
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 | 0,012 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».