Five Practical Video Modules to Reduce Physician Burnout Through Mindfulness and Systematic Review of Evidence
Notice bibliographique
Résumé
Burnout, characterized as depersonalization, emotional exhaustion, and a sense of reduced personal efficacy, is an ongoing problem faced by surgeons and medical trainees at all levels of training. Increasing evidence suggests that mindfulness interventions are effective in reducing burnout and stress among healthcare providers. With a goal to build our own programs, we sought to evaluate the evidence on mindfulness interventions among physicians and trainees. What we found went beyond a systematic review and has advanced our practices to a larger understanding of the interconnectivity between mindfulness, meditation, emotional intelligence, and leadership. In this article, we outline mindfulness and published interventions including their efficacy in reducing physician burnout and stress through a systematic review of randomized controlled trials (32 trials published between 2011 and 2023). In 4 distinct modules including 5 supplemental video modules, concepts that promote mindfulness are reviewed, providing a foundation for a mindfulness practice. These video modules include: (1) what mindfulness and meditation are, (2) a 5-minute meditation, (3) the Institute for Professional Excellence in Coaching energy leadership strategy, (4) building resilience through emotional intelligence, and (5) translating mindfulness into practice. This special topic aimed to open the conversation among plastic surgeons about burnout and the role that mindfulness can have to reduce its negative effects on our practices and our lives.
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 | 0,003 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».