Goals of care conversation teaching in residency – a cross-sectional survey of postgraduate program directors
Notice bibliographique
Résumé
BACKGROUND: Residents are commonly involved in establishing goals of care for hospitalized patients. While education can improve the quality of these conversations, whether and how postgraduate training programs integrate such teaching into their curricula is not well established. The objective of this study was to characterize perceptions of current teaching and assessment of goals of care conversations, and program director interest in associated curricular integration. METHODS: An electronic survey was sent to all postgraduate program directors at the University of Calgary. Quantitative data was analyzed using descriptive statistics and qualitative comments were analyzed using thematic analysis. RESULTS: The survey response rate was 34% (22/64). Formal goals of care conversation teaching is incorporated into 63% of responding programs, and most commonly involves lectures. Informal teaching occurs in 86% of programs, involving discussion, direct observation and role modeling in the clinical setting. Seventy-three percent of programs assess goals of care conversation skills, mostly in the clinical setting through feedback. Program directors believe that over two-thirds of clinical faculty are prepared to teach goals of care conversations, and are interested in resources to teach and assess goals of care conversations. Themes that emerged include 1) general perceptions, 2) need for teaching, 3) ideas for teaching, and 4) assessment of goals of care conversations. CONCLUSIONS: The majority of residency training programs at the University of Calgary incorporate some goals of care conversation teaching and assessment into their curricula. Program directors are interested in resources to improve teaching and assessment of goals of care conversations.
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 | 0,003 | 0,060 |
| 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) | 0,000 | 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 ».