Understanding the Mental Health of Canadian Physician Assistant Students
Notice bibliographique
Résumé
The mental health of medical students has been well studied, revealing significant rates of anxiety, depression, and burnout. Despite the similarities in training, limited research has been done to understand the mental health of Physician Assistant (PA) students. This study investigates the mental health of first- and second-year PA students across Canadian training programs. Eligible students at the three Canadian PA programs received a recruitment email providing a link to a confidential survey hosted on REDCap. Participants provided non-identifying demographic information and completed the Patient Health Questionnaire (PHQ-9), Generalized Anxiety Disorder Screener (GAD-7), and the Maslach Burnout Inventory General Student version (MBI-GS(S)). Additional questions covered previous mental health history and coping styles. Seventy-three students completed the survey (response rate of 43.4%). One-third had seen a health professional in the past 12 months for mental health. Depression, anxiety, and burnout symptoms were prevalent. GAD-7 varied significantly between schools (higher at University of Manitoba vs McMaster University), and marginally between academic year (higher in first years). Positive correlations were found among PHQ-9, GAD-7, and burnout subscales. Maladaptive coping mechanisms were associated with higher anxiety, depression, and burnout, while adaptive coping positively correlated with PE burnout subscale. No significant differences in PHQ-9 or MBI-GS(S) were found between academic years or programs. As the PA profession continues to expand in Canada, understanding the prevalence of anxiety, depression and burnout is crucial. Improving PA student mental health should be a priority for education programs to promote a healthy workforce and develop a foundation for further research.
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 | 0,003 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».