Prevalence and Determinants of Academic Bullying Among Junior Doctors in Sierra Leone: Cross-Sectional Study
Notice bibliographique
Résumé
Background: Academic bullying among junior doctors-characterized by repeated actions that undermine confidence, reputation, and career progression-is associated with adverse consequences for mental health and professional development. Objective: This study aimed to investigate the prevalence and determinants of academic bullying among junior doctors in Sierra Leone. Methods: We conducted a cross-sectional survey of 126 junior doctors at the University of Sierra Leone Teaching Hospitals Complex in Freetown between January 1 and March 30, 2024. Participants were selected through random sampling. Data were collected using a semistructured, self-administered questionnaire and analyzed with descriptive statistics and multivariable logistic regression. Results: Of the 126 participants (n=77, 61.1% male; mean age 31.9, SD 5.05 years), 86 (68.3%) participants reported experiencing academic bullying. Among those, 55.8% (n=48) of participants experienced it occasionally and 36% (n=31) of participants experienced it very frequently. The most common forms were unfair criticism (n=63, 73.3%), verbal aggression (n=57, 66.3%), and derogatory remarks (n=41, 47.7%). Consultants and senior doctors were the main perpetrators, with incidents primarily occurring during ward rounds, clinical meetings, and academic seminars. No statistically significant predictors of bullying were found for gender (odds ratio 2.07, 95% CI 0.92-4.64; P=.08) or less than 2 years of practice (odds ratio 0.30, 95% CI 0.05-1.79; P=.19). Conclusions: Academic bullying is widespread among junior doctors at the University of Sierra Leone Teaching Hospitals Complex. It has serious consequences for their mental health and professional development. There is an urgent need for clear and culturally appropriate policies, targeted training programs, confidential reporting systems, and leadership development. Promoting ethical leadership and fostering a culture of respect can help reduce incivility and burnout, leading to a healthier work environment for junior doctors.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».