Resident Physicians Have an Increased Risk of Adverse Driving Events Following Extended-Duration Work Shifts: A Systematic Review
Notice bibliographique
Résumé
Resident physicians often work extended-duration work shifts (EDWSs) exceeding 16 hours. EDWSs are associated with fatigue, workplace errors, mental health problems, and motor vehicle incidents. A 2019 systematic review reported that resident physicians had an increased risk of motor vehicle collisions (MVCs) and of falling asleep at the wheel after EDWSs. This systematic review updates those findings with recent literature. Embase, PubMed, Cochrane Database, and Ovid Medline were searched for original research articles studying resident physician driving safety following EDWS. Two authors independently reviewed articles for inclusion. Both reviewers performed data extraction and quality appraisal for each included article. Six articles met the inclusion criteria. Three articles found associations between EDWS and increased sleepiness in resident physicians. Self-reported sleepiness was increased by 46% following an EDWS compared to a normal-length shift. Objective measures of sleepiness were also increased following an EDWS. Similarly, there was a three-fold increase in adverse driving events following an EDWS compared to pre-EDWS. One study found 3.90 higher odds of an adverse driving incident following an EDWS compared to a day shift. EDWS are associated with an increased risk of adverse driving incidents, including collisions and falling asleep while driving, in resident physicians. Possible solutions including compensation for ride-share and taxi services, scheduled breaks, education on risks of driving while fatigued, and the use of caffeine may lower the risk of adverse driving incidents post-EDWSs. Further research is needed to assess the impact of possible solutions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».