Relationship of resident characteristics, attitudes, prior training and clinical knowledge to communication skills performance
Notice bibliographique
Résumé
PURPOSE: A substantial body of literature demonstrates that communication skills in medicine can be taught and retained through teaching and practice. Considerable evidence also reveals that characteristics such as gender, age, language and attitudes affect communication skills performance. Our study examined the characteristics, attitudes and prior communication skills training of residents to determine the relationship of each to patient-doctor communication. The relationship between communication skills proficiency and clinical knowledge application (biomedical and ethical) was also examined through the use of doctor-developed clinical content checklists, as very little research has been conducted in this area. METHODS: A total of 78 first- and second-year residents across all departments at Dalhousie Medical School participated in a videotaped 4-station objective structured clinical examination presenting a range of communication and clinical knowledge challenges. A variety of instruments were used to gather information and assess performance. Two expert raters evaluated the videotapes. RESULTS: Significant relationships were observed between resident characteristics, prior communication skills training, clinical knowledge and communication skills performance. Females, younger residents and residents with English as first language scored significantly higher, as did residents with prior communication skills training. A significant positive relationship was found between the clinical content checklist and communication performance. Gender was the only characteristic related significantly to attitudes. CONCLUSIONS: Gender, age, language and prior communication skills training are related to communication skills performance and have implications for resident education. The positive relationship between communication skills proficiency and clinical knowledge application is important and should be explored further.
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 | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».