Predictors of Burnout Among Academic Family Medicine Faculty: Looking Back to Plan forward
Notice bibliographique
Résumé
OBJECTIVE: To identify the prevalence and predictors of burnout among academic family medicine faculty. DESIGN: A comprehensive survey of academic family medicine faculty on burnout, perceptions of work life, and practice in 2011. SETTING: A large, distributed Department of Family and Community Medicine at the University of Toronto. PARTICIPANTS: All 1029 faculty members were invited to participate. MAIN OUTCOME MEASURES: Maslach Burnout Inventory three subscales (emotional exhaustion, depersonalization, personal accomplishment). RESULTS: The survey response rate was 66.8% (687/1029). The prevalence of high emotional exhaustion scores was 27.0% and high depersonalization was 9.2%, whereas the prevalence of high personal accomplishment scores was 99.4%. Bivariate analyses identified 27 variables associated with emotional exhaustion and 18 variables associated with depersonalization, including: ratings of the practice setting; leadership and mentorship experiences; job satisfaction; health status; and demographic variables. Multivariate analyses found four predictors of emotional exhaustion: lower ratings of job satisfaction, poorer ratings of workplace quality, working ≥50 hrs/week, and poorer ratings of health status. Predictors of depersonalization included lower ratings of job satisfaction, ≤5 years in practice, lower ratings of health status, and poor ratings of mentorship received. CONCLUSIONS: This study describes the prevalence and predictors of burnout among physicians prior to the COVID-19 pandemic. Predictors that are potentially modifiable at local practice and systems levels include job satisfaction, workplace quality, hours worked, and mentorship received. New family physicians (≤5 years in practice) were at increased risk of depersonalization; strategies specific to this group may limit burnout and address the healthcare workforce crisis. Periodic studies are recommended to identify the impact of strategies implemented, emergent predictors, trends, and mitigating factors associated with burnout. The current crisis in family medicine indicates an urgent need to look back and plan forward.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».