Do physical activity intensity and sedentary behaviour relate to burnout among medical students? Insight from two Canadian medical schools
Notice bibliographique
Résumé
Background: Medical school involves high expectations of medical students, which may increase their risk for burnout. Physical activity (PA) and sedentary behaviour (SB) are modifiable risk factors for burnout. However, medical students are insufficiently taught about PA and SB and may therefore be less likely to meet guideline-recommended levels of these two movement behaviours or promote them in practice. Few studies have examined the relationships between medical students' PA intensity, SB, and burnout; such examination could help clarify educational needs for improving levels of movement behaviours and their promotion. Purpose: This study investigated (1) the relationships between light, moderate, vigorous, and total PA, SB, and burnout among medical students, and (2) moderate-to-vigorous PA as a moderator of the relationship between SB and burnout, to guide future curriculum renewal. Methods: = 129) at two Canadian institutions completed online validated questionnaires assessing light, moderate, vigorous, and total PA, SB, and burnout. Results: = .013) were negatively associated with burnout. Moderate-to-vigorous PA did not significantly moderate the relationship between SB and burnout. Conclusions: Engaging in lighter forms of PA and SB within guideline recommendations may help mitigate medical student burnout. Competencies to promote movement behaviours may dually target medical student burnout and curriculum gaps.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».