Thinking on the Front Line: Understanding Resident Decision Making in Clinical Practice
Notice bibliographique
Résumé
Introduction: Clinical reasoning is foundational to medical practice, but the cognitive processes involved have been difficult to elucidate. Attention has been paid to cognitive biases and their role in diagnostic errors, but less attention has focused on the processes underlying successful diagnosis. We aimed to elucidate the factors associated with successful resident physician clinical decision making to support clinical reasoning in training programs.Methods: We applied a qualitative research framework based on grounded theory. We interviewed 11 postgraduate year 2 internal medicine residents, probing their descriptions of successful diagnoses. Data collection and analysis occurred in an iterative fashion and a constant comparison process was employed for analysis. Identified themes were used to develop theory regarding resident physician clinical reasoning.Results: We identified 4 major themes. Resident attitude, clinical skills, and thorough assessment contribute to their diagnostic success (Mechanics). This is further facilitated by resident factors (curiosity, sense of duty, level of training) and contextual factors (timing of assessment, validation by colleagues; Facilitators). Experience with successful decision making contributes to increased confidence in their abilities and perceived improved reasoning (Outcomes), and we also identified barriers to diagnostic success (Barriers).Conclusions: There are specific methods used by residents to achieve diagnostic success that incorporate the CanMEDS roles of Medical Expert, Professional, and Scholar. Residents reflect on successes to further improve their clinical competence. This process occurs independently of their training program or supervising physician. Future studies should explore whether application of these methods and minimizing the identified barriers improves diagnostic success.
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 | 0,016 | 0,643 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».