System-Based Interventions to Address Physician Burnout: A Qualitative Study of Canadian Family Physicians’ Experiences During the COVID-19 Pandemic
Notice bibliographique
Résumé
BACKGROUND: Medical professionals experienced high rates of burnout and moral distress during the COVID-19 pandemic. In Canada, burnout has been linked to a growing number of family physicians (FPs) leaving the workforce, increasing the number of patients without access to a regular doctor. This study explores the different factors that impacted FPs' experience with burnout and moral distress during the pandemic, with the goal of identifying system-based interventions aimed at supporting FP well-being and improving retention. METHODS: We conducted semi-structured qualitative interviews with FPs across four health regions in Canada. Participants were asked about the roles they assumed during different stages of the pandemic, and they were also encouraged to describe their well-being, including relevant supports and barriers. We used thematic analysis to examine themes relating to FP mental health and well-being. RESULTS: We interviewed 68 FPs across the four health regions. We identified two overarching themes related to moral distress and burnout: (1) inability to provide appropriate care, and (2) system-related stressors and buffers of burnout. FPs expressed concern about the quality of care their patients were able to receive during the pandemic, citing instances where pandemic restrictions limited their ability to access critical preventative and diagnostic services. Participants also described four factors that alleviated or exacerbated feelings of burnout, including: (1) workload, (2) payment model, (3) locum coverage, and (4) team and peer support. CONCLUSION: The COVID-19 pandemic limited FPs' ability to provide quality care to patients, and contributed to increased moral distress and burnout. These findings highlight the importance of implementing system-wide interventions to improve FP well-being during public health emergencies. These could include the expansion of interprofessional team-based models of care, alternate remuneration models for primary care (ie, non-fee-for-service), organized locum programs, and the availability of short-term insurance programs to cover fixed practice operating costs.
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 | 0,013 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,027 | 0,014 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».