Educating Medical Residents in End-of-Life Care: Insights from a Multicenter Survey
Notice bibliographique
Résumé
BACKGROUND: Physicians play a key role in the provision of quality end-of-life (EOL) care but often lack requisite knowledge and skills. Residency programs must ensure training in palliative/EOL care to address this gap. OBJECTIVE: To guide the development of curricula, we assessed internal medicine residents' attitudes, knowledge, perceived competence, and learning priorities in EOL care. DESIGN: Cross-sectional, self-administered, descriptive survey using a convenience sample. SUBJECTS: Internal medicine residents at five universities across Canada. RESULTS: Of a total of 318 internal medicine residents, 185 (58%) participated in the survey. The majority (81.7%) agreed learning from dying patients was meaningful although 48.1% felt guilty, and 40.6% a failure at least sometimes after a patient's death. Two thirds had provided care to more than 10 dying patients. Most (73%) had conducted at least 3 family meetings; 26.7% were never observed. Mean self-assessed preparedness to provide EOL care was 6.1 +/- 2 (scale 0-10) and mean comfort level 3.2 +/- 0.8 (scale 0-5). Residents reported more than average competence in 50% of EOL competencies listed with record keeping highest (3.6 +/- 0.7) and use of nonpharmacologic interventions for pain lowest (2.2 +/- 0.8). Priority for learning was rated above average for all EOL competencies listed with use of opioids for management of pain highest (4.1 +/- 0.9) and discussing euthanasia lowest (3.1 +/- 1.3). CONCLUSIONS: Internal medicine residents value opportunities to learn from dying patients but often lack supervision and experience emotional distress. Comparing residents' attitudes, perceptions of competence, and learning priorities provide insights into why certain EOL competencies are more challenging to teach and can guide development of meaningful educational experiences.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».