Longitudinal Assessment of Moral Distress and Burnout during Pediatric Residency in a Canadian Site: Low Prevalence but Notable Risk of Attrition
Notice bibliographique
Résumé
Introduction: Although more than half of pediatric residents report burnout, the incidence of moral distress, the course of moral distress and burnout during residency, and associations between this course and personal characteristics of residents are unknown. The purpose of this work was to examine the incidence, temporal course, and associations of moral distress and burnout in pediatric residents. Methods: In the pediatric training program of British Columbia Children’s Hospital, all residents were invited to complete the Moral Distress Scale-Revised thrice yearly, and the Maslach Burnout Inventory annually, between July 2016 and October 2018. In addition, residents reported a measure of moral distress for each rotation. Responses were tracked longitudinally using a unique identifier for each resident. We used longitudinal mixed effect modeling and generalized estimating equations to account for clustering of data. Results: A total of 86/101 residents completed at least one sequence of the surveys. The average moral distress score was 20 (maximum possible: 336), but 10% of respondents had considered leaving residency in the past due to moral distress. Highest levels of moral distress occurred after international and intensive care rotations. Seven percent of respondents met criteria for burnout, but female residents reported higher burnout scores than males (p = 0.04). Conclusion: Although moral distress and prevalence of burnout are low in pediatric residents at this institution, moral distress contributes to potential attrition. High-acuity rotations are associated with increased levels of moral distress.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,003 |
| 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 ».