Physician Burnout and the Calling to Care for the Dying.
Notice bibliographique
Résumé
BACKGROUND: Physician burnout raises concerns over what sustains physicians' career motivations. We assess whether physicians in end-of-life specialties had higher rates of burnout and/or calling to care for the dying. We also examined whether the patient centeredness of the clinical environment was associated with burnout. METHODS: In 2010 to 2011, we conducted a national survey of US physicians from multiple specialties. Primary outcomes were a validated single-item measure of burnout or sense of calling to end-of-life care. Primary predictors of burnout (or calling) included clinical specialty, frequency of encounters with dying patients, and patient centeredness of the clinical environments ("My clinical environment prioritizes the need of the patient over maximizing revenue"). RESULTS: Adjusted response rate among eligible respondents was 62% (1156 of 1878). Nearly a quarter of physicians (23%) experienced burnout, and rates were similar across all specialties. Half of the responding physicians (52%) agreed that they felt called to take care of patients who are dying. Burned-out physicians were more likely to report working in profit-centered clinical environments (multivariate odds ratio [OR] of 1.9; confidence interval [CI]: 1.3-2.8) or experiencing emotional exhaustion when caring for the dying (multivariate OR of 2.1; CI: 1.4-3.0). Physicians who identified their work as a calling were more likely to work in end-of-life specialties, to feel emotionally energized when caring for the dying, and to be religious. CONCLUSION: Physicians from end-of-life specialties not only did not have increased rates of burnout but they were also more likely to report a sense of calling in caring for the dying.
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 | 0,000 | 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 | 0,003 | 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 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 ».