Compassion training in healthcare: what are patients’ perspectives on training healthcare providers?
Notice bibliographique
Résumé
BACKGROUND: The purpose of this qualitative study was to investigate advanced cancer patients' perspectives on the importance, feasibility, teaching methods, and issues associated with training healthcare providers in compassionate care. METHODS: This study utilized grounded theory, a qualitative research method, to develop an empirical understanding of compassion education rooted in direct patient reports. Audio-recorded semi-structured interviews were conducted to obtain an in-depth understanding of compassion training from the perspectives of hospitalized advanced cancer patients (n = 53). Data were analyzed in accordance with grounded theory to determine the key elements of the underlying theory. RESULTS: Three overarching categories and associated themes emerged from the data: compassion aptitude, cultivating compassion, and training methods. Participants spoke of compassion as an innate quality embedded in the character of learners prior to their healthcare training, which could be nurtured through experiential learning and reflective practices. Patients felt that the innate qualities that learners possessed at baseline were further fashioned by personal and practice experiences, and vocational motivators. Participants also provided recommendations for compassion training, including developing an interpersonal relationship with patients, seeing the patient as a person, and developing a human connection. Teaching methods that patients suggested in compassion training included patient-centered communication, self-reflection exercises, and compassionate role modeling. CONCLUSIONS: This study provides insight on compassion training for both current and future healthcare providers, from the perspectives of the end recipients of healthcare provider training - patients. Developing a theoretical base for patient centred, evidence-informed, compassion training is a crucial initial step toward the further development of this core healthcare competency.
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 | 0,014 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».