Assessment and Prevention of Burnout in Canadian Pharmacy Residency Programs
Bibliographic record
Abstract
Background: There is a paucity of literature describing the incidence of burnout among Canadian pharmacy residents, despite evidence that pharmacy professionals are at high risk of burnout. Objectives: To characterize Canadian pharmacy residents experiencing high levels of burnout, as defined by the Maslach Burnout Inventory (MBI), to describe existing interventions that Canadian pharmacy residents perceive to be effective in managing burnout, and to describe opportunities for Canadian pharmacy residency programs in managing resident burnout. Methods: An online survey, consisting of 22 validated questions from the MBI and 19 nonvalidated questions developed by the investigators, was distributed by email to 558 Canadian pharmacy residents from the 2020/21, 2019/20, and 2018/19 residency years. Results: A total of 115 partial or complete survey responses were included in the analysis, and 107 respondents completed the MBI section of the survey. Of these, 62% (66/107) were at high risk of burnout according to at least 1 MBI subscale, with a slight majority of the entire sample being at high risk of burnout on the emotional exhaustion subscale (55/107 [51%]). The most common interventions offered to pharmacy residents to reduce or prevent burnout were mentorship programs, schedule changes, and promotion of self-organization. Current interventions reported to be the most useful were self-care workshops, discussion groups, and workload adjustment. Potential future interventions perceived to be most useful for reducing and preventing burnout were schedule changes and workload adjustment. Conclusions: More than half of Canadian pharmacy residents who responded to the survey were at high risk of burnout. Canadian pharmacy residency programs should consider implementing additional interventions to help reduce and prevent resident burnout. RÉSUMÉ Contexte : Il y a peu de documentation qui décrit l’incidence de l’épuisement professionnel chez les résidents en pharmacie canadiens, malgré les preuves de risques élevés auxquels les professionnels en pharmacie sont exposés. Objectifs : Décrire les résidents canadiens en pharmacie qui connaissent des niveaux élevés d’épuisement professionnel, tels que définis par l’inventaire d’épuisement mis au point par Maslach et Jackson [en anglais Maslach Burnout Inventory (MBI)]; décrire les interventions existantes que ces personnes perçoivent comme efficaces pour le gérer; et décrire les possibilités de gestion de l’épuisement professionnel dans les programmes canadiens de résidence en pharmacie. Méthodes : Une enquête en ligne comprenant 22 questions validées du MBI et 19 questions non validées, préparées par les enquêteurs, a été envoyée par courriel à 558 résidents canadiens en pharmacie des années de résidence 2020-2021, 2019-2020 et 2018-2019. Résultats : Au total, 115 réponses partielles ou complètes ont été incluses dans l’analyse, et 107 répondants ont rempli la section MBI de l’enquête. Parmi ces derniers, 62 % (66/107) présentaient un risque élevé d’épuisement professionnel selon au moins 1 sous-échelle du MBI, une légère majorité de l’ensemble de l’échantillon présentant un risque élevé d’épuisement professionnel sur la sous-échelle d’épuisement émotionnel (55/107 [51 %]). Les interventions les plus courantes offertes aux résidents en pharmacie pour réduire ou prévenir l’épuisement professionnel étaient les programmes de mentorat, les changements d’horaire et la promotion de l’auto-organisation. Les interventions actuelles signalées comme étant les plus utiles étaient les ateliers d’autosoins, les groupes de discussion et l’adaptation de la charge de travail. Les interventions futures potentielles perçues comme les plus utiles pour réduire et prévenir l’épuisement professionnel étaient les changements d’horaire et l’adaptation de la charge de travail. Conclusions : Plus de la moitié des résidents canadiens en pharmacie qui ont répondu à l’enquête présentaient un risque élevé d’épuisement professionnel. Les programmes canadiens de résidence en pharmacie devraient envisager de mettre en oeuvre des interventions supplémentaires pour aider à le réduire et à le prévenir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".