Addiction aux substances psychoactives chez les médecins résidents au Maroc : étude transversale multicentrique
Bibliographic record
Abstract
Introduction L’usage des substances psychoactives chez les médecins résidents est un problème sous-estimé, mal connu et grave en raison de ses conséquences négatives sur la santé des médecins ainsi que pour la santé et la sécurité des patients dont ils ont la charge. Objectif L’objectif de ce travail est d’étudier la prévalence et les facteurs associés à la consommation des substances psychoactives (SPA) chez les médecins résidents au niveau des différents centres hospitaliers universitaires du Maroc. Méthode Nous avons réalisé une étude transversale multicentrique descriptive et analytique portant sur les médecins résidents des 7 centres hospitaliers universitaires du Maroc. Les médecins résidents ont été sollicités à participer de manière volontaire en remplissant un autoquestionnaire anonyme sur Google Forms, lequel leur a été envoyé par courriel. Résultats Le questionnaire a été rempli par 310 médecins résidents, soit 11,07 % de la population totale des médecins résidents au Maroc. Parmi les participants, 16,1 % (n = 50) ont déclaré consommer une ou plusieurs substances psychoactives, dont 11,1 % (n = 37) du tabac, 10 % (n = 31) de l’alcool et 6,1 % (n = 19) du cannabis. Les consommations d’ectasy et de cocaïne ont été observées chez 0,7 % (n = 2) pour chaque substance. En outre, 11,9 % (n = 37) des médecins résidents ont des troubles psychiatriques, et 3,2 % (n = 10) ont déjà fait au moins une tentative de suicide. La consommation de substances psychoactives chez les médecins résidents était statistiquement significativement associée au sexe masculin (4,59 [2,20-9,57] ; p = 0,000), ainsi qu’à la spécialité chirurgicale (0,48 [0,26-0,88] ; p = 0,017). Conclusion Au terme de ce travail, nous avons constaté que la consommation des substances psychoactives est fréquente chez les médecins résidents d’où la nécessité des mesures de prévention et de soutien adaptées pour ces derniers.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".