Internal Medicine Residents’ Beliefs, Attitudes, and Experiences Relating to Palliative Care: A Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Internal medicine residents are frequently called upon to provide palliative care to hospitalized patients, but report feeling unprepared to do so effectively. Curricular development to enhance residents' palliative care skills and competencies requires an understanding of current beliefs, attitudes and learning priorities. METHODS: We conducted a qualitative study consisting of semi-structured interviews with ten internal medicine residents to explore their understanding of and experiences with palliative care. RESULTS: All of the residents interviewed had a sound theoretical understanding of palliative care, but faced many challenges in being able to provide care in practice. The challenges described by residents were system-related, patient-related and provider-related. They identified several priority areas for further learning, and discussed ways in which their current education in palliative care could be enhanced. CONCLUSIONS: Our findings provide important insights to guide curricular development for internal medicine trainees. The top five learning priorities in palliative care that residents identified in our study were: 1) knowing how and when to initiate a palliative approach, 2) improving communication skills, 3) improving symptom management skills, 4) identifying available resources, and 5) understanding the importance of palliative care. Residents felt that their education in palliative care could be improved by having a mandatory rotation in palliative care, more frequent didactic teaching sessions, more case-based teaching from palliative care providers, opportunities to be directly observed, and increased support from palliative care providers after-hours.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».