P.138 Burnout in Canadian neurosurgery
Notice bibliographique
Résumé
Background: Burnout is common among health care professionals and can lead to depression and poor patient outcomes. The prevalence of burnout among Canadian neurosurgeons and trainees is yet unknown. Methods: International survey of neurosurgeons and trainees Results: Of total 403 responses, 47 were Canadian respondents (80.9% were male and 14.9% were female). Rate of burnout among Canadian neurosurgeons and trainees was 42.6%; however, there was no significant difference between rate of burnout between Canadian respondents and non-Canadian respondents (35.3%), p=0.33. Rate of burnout among Canadian neurosurgeons and resident/fellow was 40 and 47.1%, respectively, p=0.64. Subgroup analysis showed no difference in rate of burnout between Canadian and non-Canadian practicing neurosurgeons (p=0.34) and Canadian and non-Canadian resident/fellow (p=0.76). Canadian neurosurgeons with work experience of 5-10 years are more likely to have burnout compared to neurosurgeons with more or less work experience (OR 17, 95%CI 1.43-826.22, p=0.005). There was a trend that female Canadian respondents had more burnout than male counterparts (OR 4.2, 95%CI 0.57-47.45, p=0.09). Conclusions: Burnout is not uncommon among Canadian neurosurgeons/trainees. Monitor and supports should be provide to those who are at risk to mitigate burnout and provide resilience.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,002 |
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 ».