Medical student distress, personal health care practices, and barriers to care
Notice bibliographique
Résumé
Medical students experience higher levels of psychological distress than age-matched peers. Suicide rates are also higher among medical students and physicians in comparison to the general population. Despite reported health needs, medical students are reluctant to seek help for mental health issues potentially resulting in inappropriate self-care practices and impairment. This trend increases throughout training and has been observed among physician populations manifesting as persistent, long-term mental health problems. Medical students report unique barriers to care which occur at individual, provider, and system levels and reflect issues related to stigma and the medical school culture or environment. The aim of the current study was to determine the prevalence of psychological distress among a population of medical students in comparison to the general population, ascertain factors contributing to the distress, explore personal health care needs and practices, and identify barriers to care. A cross-sectional design was employed which involved administration of a survey. Participants included medical students in years one through four attending a university in Atlantic Canada. The prevalence of medical student distress in the current study was 17%. Medical students reported significantly higher levels of severe psychological distress (19%) than age-matched peers (5%) and yet were reluctant to seek help for mental health issues. Students also expressed concern they may develop mental health issues and/or inappropriate self-care practices over the course of their training. Students indicated a preference for informal consultation and off-site care, citing system-based barriers to care including concern for confidentiality, stigma, academic vulnerability and discomfort with the dual role of student-patient. Finally, students expressed reluctance to report impairment in a peer in scenarios depicting both high- and low-stigma consequences.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».