MétaCan
Menu
← Retour à la cohorte
Enregistrement W7131638438 · doi:10.2196/preprints.80499

Understanding the Origins and Factors of Burnout in Physical Medicine and Rehabilitation: Grounded Theory Analysis (Preprint)

2025· article· W7131638438 sur OpenAlexaboutno aff
Robert Simpson, E. S. Cohen, Stephanie Posa, Marina B. Wasilewski, Anthony Feinstein, Mark Bayley, Linda Robinson, Sarah Munce, Carolyn Steele Gray, Kristina M. Kokorelias

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrounded theoryBurnoutFeelingShameQualitative researchAutonomyExcellenceDistressBureaucracy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Physician burnout is highly prevalent in Physical Medicine and Rehabilitation (PM&R), but its origins and drivers remain poorly understood. OBJECTIVE This study aims to explore the factors contributing to burnout among Canadian physiatrists. METHODS Using Charmaz’s Constructed Grounded Theory within a qualitative interpretivist paradigm, we interviewed 30 Canadian physiatrists about their experiences with burnout. Analysis was informed by Cooley’s looking-glass self theory. RESULTS Burnout in PM&R in Canada stems from a medical culture prioritizing academic excellence over compassionate care. Canadian physiatrists report shame and self-criticism when unable to meet these high standards. Retrospective accounts from Canadian physiatrists suggest that burnout peaks during residency, where autonomy is low and demands are high. Participants also described feeling unprepared to handle patients’ emotional needs and experiencing moral distress when necessary care cannot be delivered due to systemic barriers. Health care bureaucracy further compounds burnout. CONCLUSIONS Addressing burnout in PM&R in Canada requires upstream systemic and contemporary cultural change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil0,726

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0060,011
Communication savante0,0090,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,439
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealthcare professionals’ stress and burnout→Travaux en français237 207→