Measuring burnout and professional fulfillment among emergency medicine residency program leaders in the United States: a cross-sectional survey study
Notice bibliographique
Résumé
OBJECTIVE: Emergency medicine (EM) physicians face high burnout rates, even in academic settings. Research on burnout among EM residency program leaders is limited, despite their role in shaping the training environment and influencing resident well-being. This study aims to measure burnout and professional fulfillment among EM residency program leaders and identify contributing factors. METHODS: A cross-sectional survey using the adapted Stanford Professional Fulfillment Index was conducted in 2023 to assess burnout and professional fulfillment among EM residency program leaders at US programs. The survey, tailored to EM leaders, was distributed to all current EM program directors (PDs) and assistant/associate PDs (APDs) from accredited US programs. Descriptive statistics and odds ratios were used to compare burnout and professional fulfillment across various groups. RESULTS: A total of 112 of 281 PDs (response rate, 39.9%) and 130 of 577 APDs (response rate, 22.5%) participated. Professional fulfillment was reported by 59.8% of PDs and 58.5% of APDs. Burnout was experienced by 42.0% of PDs and 26.9% of APDs. Higher professional fulfillment correlated with alignment with expectations, positive work environments, and perceived appreciation, while burnout was strongly associated with negative impacts on personal health and relationships. Approximately 27.7% of PDs and 23.8% of APDs expressed an intention to leave their current position within 18 months. CONCLUSION: A significant proportion of US EM residency program leaders experience burnout and low professional fulfillment. Addressing well-being in this population has important implications for education and mentorship provided to future physicians in the field.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».