A Realist Evaluation of a Fatigue Risk Management Plan (FRMP) Implementation in Obstetrics and Gynecology Residency: Calls for Systemic, Structural and Cultural Reform
Notice bibliographique
Résumé
Abstract Objective Accreditation standards in residency education are calling for initiatives to promote the wellness of resident physicians including the implementation of fatigue risk management plans (FRMPs). We sought to conduct a realist evaluation of a FRMP within a five-year Obstetrics and Gynecology (OBGYN) residency training program in labour and delivery units. Design Mixed method study design informed by realist inquiry. Setting A single OBGYN residency program comprised of N=32 resident physicians who provided in-house labour and delivery call at four hospitals across a city of over one million people. Method Realist inquiry askes what works, for whom, in what circumstances, and why? through examining contexts, mechanisms, and outcomes. We collected quantitative and qualitative data from resident physicians sequentially across three time points. Data were thematically analyzed, and configuration on contexts, mechanisms, and outcomes were identified using a realist approach. Results There was n=19 unique participants (60% response rate). Most of the participants identified as women (93.7%), single (56.2%) and without children (93.7%). Participants mean age was 28.5 years and ranged from junior to senior residents. We found no significant difference between median sleepiness scores across three timepoints (p=0.17) however 20% of residents reported starting and ending shifts with high sleepiness scores signaling impairment that is hazardous to both residents and patients. The n=6 resident interview participants, reported overlooking patient details (forgetting to order tests, and delaying care) as well as personal safety issues such as driving home whilst fatigued despite FRMP implementation. Conclusion Specific aspects of the OBGYN FRMP such as the nap model and nutrition could help with decreasing perceptions of fatigue related to lack of sleep and lack of available food. While FRMPs might be helpful in de-stigmatizing fatigue in residency, FRMPs are unlikely to decrease levels of resident fatigue because of systemic, structural, and cultural barriers.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».