Burnout in Japanese Internists and Primary Care Physicians in 2024: The Prevalence and Risk Factors Using Structural Equation Modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective To investigate the prevalence of burnout and identify its associated risk factors using structural equation modeling (SEM). Patients A cross-sectional web-based survey targeting members of the American College of Physicians Japan Chapter (ACP-JC) was conducted in March 2024. The survey included the Mini Z 2.0 for burnout assessment, Emotional Vulnerability Scale, and Japanese version of the Brief Resilience Scale (BRS-J). Descriptive statistics were used to analyze the demographic and workplace characteristics, and SEM with maximum likelihood estimation was employed to explore the relationships between resilience, emotional vulnerability, teamwork, and burnout. Results Of the 1,066 invited physicians, 103 (9.7%) responded to the survey. Burnout symptoms were reported by 26.2% of the participants. An SEM analysis indicated significant negative associations between resilience (standardized coefficient: -0.29, p=0.007), teamwork (standardized coefficient: -0.32, p<0.001), and burnout, whereas emotional vulnerability showed no significant associations (standardized coefficient: 0.05, p=0.630). Conclusion Approximately one in four Japanese internists and primary care physicians reported burnout symptoms. Resilience and teamwork have emerged as key protective factors, thus underscoring the importance of fostering supportive workplace environments. Therefore, interventions to enhance resilience and strengthen workplace support systems are recommended to mitigate burnout.
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.
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 | 0,000 | 0,000 |
| 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 découle