Síndrome de Burnout em Médicos Residentes: Revisão Sistemática (2020 a 2025) sobre Prevalência, Fatores Associados e Impactos Assistenciais
Notice bibliographique
Résumé
Objetivo: Sintetizar as evidências publicadas entre 2020 e 2025 sobre a prevalência, os fatores de risco e proteção e os impactos da síndrome de burnout na qualidade do cuidado prestado por médicos residentes. Métodos: Revisão sistemática conforme PRISMA 2020, com buscas em PubMed/MEDLINE, Scopus, Web of Science, SciELO e LILACS (jan/2020–mai/2025). Foram elegíveis estudos observacionais com médicos residentes e instrumento validado (preferencialmente MBI). Qualidade avaliada pela Newcastle–Ottawa Scale. Resultados: Foram identificados 518 registros e incluídos 33 estudos. As prevalências variaram, com faixas frequentes entre 35% e 60%, maiores em especialidades cirúrgicas, emergência e UTI. Fatores laborais (carga horária >80h/semana, plantões noturnos), baixo suporte institucional e estressores pandêmicos associaram-se consistentemente ao burnout. Suporte social, mentoria e programas institucionais foram protetores. O burnout relacionou-se a maior autorrelato de erros, pior comunicação e empatia e intenção de abandono. Conclusão: O burnout em residentes é um problema crítico de saúde pública com repercussões diretas para a segurança do paciente e exige intervenções estruturais e políticas institucionais sustentadas.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».