MétaCan
Menu
Retour à la cohorte
Enregistrement W2283447352 · doi:10.1136/medhum-2015-010731

I and Thou: learning the ‘human’ side of medicine

2016· article· en· W2283447352 sur OpenAlexaff
Atara Messinger, Benjamin Chin‐Yee

Notice bibliographique

RevueMedical Humanities · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésThouPerspective (graphical)HumanismNarrativeEpistemologySociologyMedical humanitiesNarrative medicinePsychologyPhilosophyMedicineLinguisticsMedical educationComputer science

Résumé

récupéré en direct d'OpenAlex

This essay is a reflection on the doctor-patient relationship from the perspective of two medical students, which draws on the ideas of 20th-century philosopher Martin Buber. Although Buber never wrote about medicine directly, his 'philosophy of dialogue' raises fundamental questions about how human beings relate to one another, and can thus offer valuable insights into the nature of the clinical encounter. We argue that Buber's basic word pairs, 'I-You' and 'I-It', provide a useful heuristic for understanding different modes of caring for patients, which we illustrate using examples of illness narratives from two literary works: Tolstoy's Ivan Ilych and Margaret Edson's Wit Our essay demonstrates how the humanities in general and philosophy in particular can inform a more humanistic practice for healthcare trainees and practicing clinicians alike.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0080,062
Communication savante0,0090,010
Science ouverte0,0010,008
Intégrité de la recherche0,0050,011
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,323
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical HumanitiesMême sujetEmpathy and Medical EducationTravaux en français237 207