Model of Interactive Clinical Supervision in Acute Care Environments. Balancing Patient Care and Teaching
Notice bibliographique
Résumé
RATIONALE: Progressive trainee autonomy is considered essential for clinical learning, but potentially harmful for patients. How clinical supervisors and medical trainees establish progressive levels of autonomy in acute care environments without compromising patient safety is largely unknown. OBJECTIVES: To explore how bedside interactions among supervisors and trainees relate to trainee involvement in patient care and to clinical oversight. METHODS: We conducted a qualitative study based on constructivist grounded theory methodology. We used participant observation for our data collection. We observed the overt teaching interactions among trainees and staff physicians in the critical care units of two university-affiliated hospitals during 74 acute care episodes. Our analysis led to the elaboration of a theoretical model of clinical supervision. MEASUREMENTS AND MAIN RESULTS: A model of interactive clinical supervision is proposed on the basis of three themes: engaging without enactment, sharing care with support, and caring independently with feedback. Each theme regroups different teaching interactions. Engaging in monologues and dialogues about patient care and facilitating hands-off care provision involved progressive levels of trainee involvement without risk for patients. Facilitating hands-on provision of care and providing support-in-action encouraged further trainee involvement with limited risks for patients. Providing feedback-on-action created additional learning opportunities based on trainee independent involvement in clinical activities. CONCLUSIONS: Engaging in teaching interactions during acute care episodes allows trainees to exercise progressive autonomy and supervisors to provide adequate clinical oversight. Our model of interactive clinical supervision can inform faculty development initiatives. Learning outcomes resulting from different levels of trainee autonomy should be further explored.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».