Why Do Early-Career Adult Reconstruction Surgeons Change Jobs? An American Association of Hip and Knee Surgeons Young Arthroplasty Group Survey Study
Notice bibliographique
Résumé
Background There are high reported rates of burnout and job turnover among orthopedic surgeons. The purpose of this study was to investigate the prevalence of job change among early-career adult reconstruction surgeons and to examine which demographic or practice factors influenced job change. Methods An electronic survey was distributed to all practicing surgeon members of the American Association of Hip and Knee Surgeons Young Arthroplasty Group. The survey included questions about practice type, demographics, job change, and a validated burnout questionnaire. Survey responses were collected using a secure database. Statistical analysis was performed to examine relationships between respondent characteristics and job change. Results There were 201/389 responses (51.7%). The most common motivators for job change were better workplace culture (64%), opportunities for career growth (52%), and better alignment with values of the department/institution (45%). There were few female respondents; however, they trended toward reporting higher rates of job change (35.6% female vs 21.3% male, P = .3). Respondents who were considering changing jobs but had not done so were significantly more likely to report symptoms of burnout in all studied subscales: emotional exhaustion ( P < .0001), depersonalization ( P = .0002), and sense of personal accomplishment ( P = .007). Conclusions Surgeons changing jobs cited social factors such as workplace culture as reasons for leaving. Burnout symptoms were higher in surgeons considering changing jobs but improved in those who had already changed jobs. It is important to identify factors that lead to job change to guide young surgeons in job selection and improve retention.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».