Evoking a reciprocity of caring: Integration of humanities-based content into an interprofessional education immersion course for advanced practice nursing and health professions students
Notice bibliographique
Résumé
Along with calls to train nurse practitioners to be full partners in healthcare and lead interprofessional collaborative practice teams, there have been calls to enhance health professions education to develop transformative learning experiences, teach the ability to critically observe patients and capture their narrative experience of health, and assist students to become more empathic and communicate more clearly. In a Health Resources and Services Administration-funded advanced nursing education project that included advanced practice nursing, dentistry, pharmacy and social work students, several humanities-based learning strategies were infused into an interprofessional curriculum that was paired with interprofessional collaborative practice at an urban, primary care clinic serving underserved patients with multiple chronic conditions. The current study explored students’ reactions to the humanities-based interprofessional education curriculum using qualitative data from focus groups and reflective journal entries regarding student perceptions of their interprofessional collaborative practice experience in the clinical setting focused on the interprofessional education core competencies. Four major themes were identified that relate to the humanities-based curriculum. Student participants gained confidence in their abilities as health providers, improved their methods of communication and focus with patients, learned how to negotiate ethical situations in support of patient-centeredness, and grew as members of interprofessional collaborative practice teams. Thus, the inclusion of the humanities into nursing and interprofessional education and practice can assist with strengthening presence, promoting moral imagination, and evoking a reciprocity of caring that can lead to improved patient care and outcomes.
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 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».