Enhancing Clinicians' Well-Being and Patient-Centered Care Through Mindfulness
Notice bibliographique
Résumé
INTRODUCTION: Mindful clinicians are resilient and more likely to provide patient-centered care. We aimed to enhance clinicians' well-being by offering a Mindfulness-Based Stress Reduction (MBSR) course that teaches mindfulness and stress management and then determine whether this impacted their subsequent medical encounters. METHODS: In a longitudinal cohort study with 27 clinicians, MBSR was taught by a certified instructor. Pre-MBSR and post-MBSR online questionnaires assessed burnout, depression, stress, meaningfulness, and mindfulness. Patients independently rated their clinicians using the Rochester Communication Rating Scale (RCRS) after a clinical encounter before and after their clinician took the MBSR course. Nine medical doctors audiorecorded the consultations before and after MBSR; the tapes were coded and analyzed by an independent team using the Roter interaction analyses system. RESULTS: Significant reductions in stress and burnout were found, and increases in mindfulness and meaningfulness. The decrease in stress was correlated with less judgmental attitudes and less reactivity-facets of mindfulness. The decrease in emotional exhaustion was correlated with more acting with awareness and less judgmental attitudes-facets of mindfulness. Patients' perceptions of the clinical encounter suggested that patient-centered care improved after MBSR. Decreased depersonalization was significantly associated with the RCRS subscale, "understanding of the patient's experience of illness." At both time points, doctors dominated the exchange and were patient-centered. DISCUSSION: Mindfulness has a direct and positive impact on clinicians' well-being. When clinicians' experienced less depersonalization, their patients reported being better understood.
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 | 0,000 |
| 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) | 0,001 | 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 ».