Improving Undergraduate Medical Education about Pain Assessment and Management: A Qualitative Descriptive Study of Stakeholders’ Perceptions
Notice bibliographique
Résumé
BACKGROUND: Pain is one of the most common reasons for individuals to seek medical advice, yet it remains poorly managed. One of the main reasons that poor pain management persists is the lack of adequate knowledge and skills of practicing clinicians, which stems from a perceived lack of pain education during the training of undergraduate medical students. OBJECTIVE: To identify gaps in knowledge with respect to pain management as perceived by students, patients and educators. METHODS: A qualitative descriptive study was conducted. Data were generated through six focus groups with second- and fourth-year medical students, four focus groups with patients and individual semistructured interviews with nine educators. All interviews were audiotaped and an inductive thematic analysis was performed. RESULTS: A total of 70 individuals participated in the present study. Five main themes were identified: assessment of physical and psychosocial aspects of pain; clinical management of pain with pharmacology and alternative therapies; communication and the development of a good therapeutic relationship; ethical considerations surrounding pain; and institutional context of medical education about pain. CONCLUSION: Participating patients, students and pain experts recognized a need for additional medical education about pain assessment and management. Educational approaches need to teach students to gather appropriate information about pain, to acquire knowledge of a broad spectrum of therapeutic options, to develop a mutual, trusting relationship with patients and to become aware of their own biases and prejudice toward patients with pain. The results of the present study should be used to develop and enhance existing pain curricula content.
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 | 0,013 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».