Prevalencia del síndrome de burnout en médicos que trabajan en España: revisión sistemática y metaanálisis
Notice bibliographique
Résumé
Analizar la prevalencia del síndrome de desgaste profesional o burnout en médicos que trabajan en España mediante una revisión sistemática con metaanálisis. Se realizaron búsquedas en PubMed/MEDLINE, Embase y PsycINFO (hasta junio de 2023). Se incluyeron estudios observacionales realizados en España que presentaran la prevalencia de burnout en médicos. De cada estudio se extrajeron las características metodológicas y los resultados, y se evaluó su calidad. Se realizó una síntesis narrativa con metaanálisis de efectos aleatorios para el cálculo de proporciones. Se incluyeron 67 estudios con 16.076 participantes. Para la variable principal, el metaanálisis reveló una prevalencia global de burnout en médicos del 24% (IC95%: 19%-29%; 46 estudios; 8821 participantes; I2 = 97%). A partir de análisis de subgrupos se observaron diferencias según el criterio diagnóstico utilizado: prevalencia del 18% (IC95%: 13%-23%) utilizando tres dimensiones de burnout, 29% (IC95%: 24%-34%) para dos dimensiones y 51% (IC95%: 42%-60%) para una dimensión. La heterogeneidad entre estudios no pudo ser explicada por completo a través de análisis adicionales, y no se encontraron diferencias estadísticamente significativas con otras variables (p. ej., calidad de los estudios, ámbito de trabajo, categoría profesional o por especialidad médica). Se aprecia una alta prevalencia del síndrome de burnout en médicos que trabajan en España. Estos resultados pueden contribuir a conocer mejor la carga asociada al burnout en médicos y al diseño de futuros estudios. Parecen ser necesarias estrategias para prevenir y mitigar esta situación. Open Science Framework: https://osf.io/b2h4m/ To analyze the prevalence of burnout syndrome in physicians working in Spain through a systematic review with meta-analysis We searched PubMed/MEDLINE, Embase, and PsycINFO (up to June 2023). Observational studies conducted in Spain reporting the prevalence of burnout in physicians were included. From each study, methodological characteristics and results were extracted, and their quality was evaluated. We performed a narrative synthesis with random effects meta-analysis to calculate proportions. Sixty-seven studies with 16,076 participants were included. For the primary outcome, the meta-analysis revealed a global prevalence of burnout in physicians of 24% (95%CI: 19%-29%; 46 studies; 8821 participants; I2 = 97%). From subgroup analysis, differences were observed depending on the diagnostic criteria used: 18% (95%CI: 13%-23%) for three dimensions of burnout, 29% (95%CI: 24%-34%) for two dimensions and 51% (95%CI: 42%-60%) for one dimension. The heterogeneity between studies could not be fully explained through additional analyses where non-statistically significant differences were found with other variables (e.g., study quality, setting, professional category or medical specialty). A high prevalence of burnout syndrome was found in physicians working in Spain. These results can contribute to estimating the burden associated with burnout in physicians at a national level and to the design of future studies. Strategies appear to be necessary to prevent and mitigate this situation. Open Science Framework: https://osf.io/b2h4m/
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 | 0,051 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,025 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».