Increasing Bioethics Education in Preclinical Medical Curricula: What Ethical Dilemmas Do Clinical Clerks Experience?
Notice bibliographique
Résumé
PURPOSE: The increase in bioethics education in preclinical curricula enables medical students to recognize ethical issues and determine right action. The authors sought to explore the ethical dilemmas medical students experience during clinical clerkships. METHOD: Following an e-mail invitation, 100 of 104 graduating medical students allowed their final ethics assignment, a written description of an ethical dilemma experienced during clinical clerkship, to be analyzed. After all identifiers were removed, the narratives underwent qualitative analysis and were then reanalyzed using Jameton's determinants of moral action. RESULTS: Four themes emerged: the clinical service rotation, target, source, and nature of the ethical dilemma. For many clinical clerks, the ethical dilemma arose because they recognized an ethical issue but neither brought it to their supervisors nor resolved it themselves for fear of incurring disfavor. The source of the ethical dilemma was most frequently the student's supervisor (46%), which may explain why, although all narratives demonstrated the Jameton criteria of "moral sensitivity" and 76% demonstrated "moral judgment," only 24% indicated "moral motivation" and only 4% suggested "moral courage." Patients were the most frequent target (76%), followed by students (14%). Students reported informed consent (18%) and inadequate care (17%) as the most common types of dilemmas under the nature theme. CONCLUSIONS: Clinical clerks' experiences of ethical dilemmas might be mitigated if residency education and professional development mirrored the increase in preclinical ethics education, if ethics training included encouraging students to discuss ethical issues as they arise, and if educators developed innovative models of student evaluation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,004 | 0,013 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».