Clinical teaching self-efficacy positively predicts professional fulfillment and negatively predicts burnout amongst Thai physicians: a cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Clinician teachers (physicians who teach in clinical settings) experience considerable psychological challenges in providing both educational training and patient care. This study aimed to determine the prevalence of physician burnout and professional fulfillment, and to identify internal and external factors associated with mental health outcomes among Thai clinician teachers working in non-university teaching hospitals. METHOD: A one-time online questionnaire was completed by physicians at 37 governmental, non-university teaching hospitals in Thailand, with 227 respondents being assessed in the main analyses. Four outcomes were evaluated including burnout, professional fulfillment, quality of life, and intentions to quit. RESULTS: The observed prevalence of professional fulfillment was 20%, and burnout was 30.7%. Hierarchical regression analysis showed a significant internal, psychological predictor (clinical teaching self-efficacy) and external, structural predictors (multiple roles at work, teaching support), controlling for the background variables of gender, years of teaching experience, family roles, and active chronic disease, with clinical teaching self-efficacy positively predicting professional fulfillment (b = 0.29, p ≤.001) and negatively predicting burnout (b = - 0.21, p =.003). CONCLUSIONS: Results highlight the importance of faculty development initiatives to enhance clinical teaching self-efficacy and promote mental health among Thai physicians.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».