Initial self-reported data on sleep and burnout in pulmonary, critical care and sleep medicine: an initiative from the Assembly on Sleep and Respiratory Neurobiology of the American Thoracic Society
Notice bibliographique
Résumé
RATIONALE: Health worker burnout has reached crisis proportions, threatening workforce sustainability. Limited data exist on the burden of burnout in pulmonary, critical care and sleep medicine (PCCSM), a high-demand and strained specialty. OBJECTIVE: At the Assembly of Sleep and Respiratory Neurobiology of the American Thoracic Society, we aimed to gather exploratory data on burnout in this group. METHODS: During a dedicated series of five virtual town halls (THs), we polled the audience regarding self-reported burnout. Topics included the scope of the problem, role of sleep, impact on clinical and academic operations, contributors in vulnerable groups, and mitigation strategies. RESULTS: A high proportion experienced burnout (45%) and 58% considered premature retirement. Insufficient sleep (53%) was common, most often due to excessive workload (57%) curtailing sleep through early morning meetings and electronic medical record (EMR) documentation. 36% also reported having a sleep disorder. Sleepiness (69%) and fatigue (58%) impaired work performance and patient care, and 54% reported a fatigue-related, personal-safety incident. Contributors to burnout in vulnerable communities included bias/discrimination (81%), harassment (44%) and assault (12%). Respondents predominantly endorsed organizational mitigating strategies: promoting a culture of "recovery time" (96%) and healthy sleep (86%), and periodic evaluation and accountability of leadership (86%). CONCLUSIONS: In this convenience sample of participants in a TH series regarding burnout in PCCSM, self-reported burnout was common. Sleep disturbance is a prevalent, under-recognized, but potentially modifiable contributor. The high reported rates of discrimination and harassment suggest that vulnerable groups may be at particular risk. To reduce burnout, system-level interventions aimed at transforming organizational culture and promoting leadership accountability were strongly endorsed.
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 | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».