Perceptions of burnout among public sector physicians in Sierra Leone: A qualitative study
Notice bibliographique
Résumé
In Sierra Leone, physicians face a high risk of burnout due to systemic challenges, with studies suggesting a gap in recognizing and addressing this condition. We explored public-sector physicians' experiences and perceptions of the organizational structures and characteristics needed to help them thrive in a resource-limited practice setting. We conducted in-depth, semi-structured interviews with 24 public sector physicians across Western Area Urban (Freetown), Bo, Kono, and Kambia districts in Sierra Leone. Thematic content analysis was carried out using both deductive and inductive techniques to generate codes and identify key themes. Physicians in Sierra Leone face multifaceted challenges that significantly impact both healthcare delivery and personal well-being. Our findings reveal that overwhelming workload and stringent schedules contribute to burnout, directly compromising patient care quality. The emotional burden of caring for patients with economic constraints in accessing treatment further exacerbates physician stress. Limited resources, such as insufficient medical supplies and personnel, foster a sense of helplessness among clinicians, leading to detachment and cynicism towards their ability to effect change. In the absence of formal institutional support, physicians often rely on peer support to manage burnout. These challenges collectively undermine physicians' ability to provide optimal care, as the emotional and physical toll affects their decision-making and engagement with patients. Within Sierra Leone's resource-constrained healthcare context, systemic reforms are necessary to address the root causes of physician burnout, and to improve patient care. Our findings suggest that implementing formal support structures, including counselling services and mentorship programs, is crucial. Improving working conditions through better resource allocation and infrastructure development is essential. Developing strategies to address the emotional burden of care, including robust training programs, could enhance physician well-being, reduce burnout, and consequently improve the overall quality of patient care in Sierra Leone's public health sector.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».