Prevalencia de sindrome de burnout en estudiantes de la carrera profesional de estomatología de las universidades de la libertad, 2018
Bibliographic record
Abstract
Determinar la prevalencia del síndrome de burnout, en estudiantes que cursan Clínica Estomatológica Integral o asignatura equivalente en el programa de estomatología de las universidades de la Región La Libertad, 2018. Metodología: El estudio fue de tipo prospectivo, transversal, descriptivo y observacional, incluyó un total de 152 estudiantes que cursan la asignatura de Clínica Estomatológica Integral o asignatura equivalente en el Programa de Estomatología de las universidades de la Región La Libertad, utilizando el método de selección no probabilístico por conveniencia. El burnout fue evaluado a través del cuestionario Maslach burnout Student Survey (MBI-SS) de 15 ítems. Los resultados fueron procesados en el programa estadístico SPSS Statistics 22.0 (IMB, Armonk, NY, USA). Resultados: La prevalencia del síndrome de burnout en estudiantes que cursan la asignatura de Clínica Estomatológica Integral o asignatura equivalente en el programa de estomatología fue de 24.68%. Conclusiones: La cuarta parte de los estudiantes encuestados presentaron burnout. Asimismo se observó que la universidad estatal presenta mayor prevalencia de burnout que las universidades privadas. Según sexo, los resultados fueron similares y, según dimensiones, el agotamiento emocional tiene mayor porcentaje.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 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".