The colours and contours of compassion: A systematic review of the perspectives of compassion among ethnically diverse patients and healthcare providers
Notice bibliographique
Résumé
OBJECTIVE: To identify and describe the perspectives, experiences, importance, and impact of compassionate care among ethnically diverse population groups. METHODS: A systematic search of peer-reviewed research focused on compassionate care in ethnically diverse populations published between 1946 and 2017 was conducted. RESULTS: A total of 2296 abstracts were retrieved, out of which 23 articles met the inclusion criteria. Synthesis of the literature identified the perspectives, facilitators and barriers of compassion in healthcare within ethnic groups. Compassion was described as being comprised of healthcare provider (HCP) virtues (honesty, kindness, helpful, non-judgment) and actions (smile, touch, care, support, flexibility) aimed at relieving the suffering of patients. The importance and impact of providing compassion to ethnically diverse patients was also identified which included overcoming cultural differences, alleviating distress at end-of-life, promoting patient dignity and improving patient care. This review also identified the need for more contextual studies directly exploring the topic of compassion from the perspectives of individuals within diverse ethnic groups, rather than superimposing a pre-defined, enculturated and researcher-based definition of compassion. CONCLUSIONS: This review synthesizes the current evidence related to perceptions of compassion in healthcare among diverse ethnic groups and the role that compassion can play in bridging ethno-cultural differences and associated challenges, along with identifying gaps in literature related to compassionate care within diverse ethnic groups. Establishing an evidence base grounded in the direct accounts of members of diverse ethnic communities can enhance culturally sensitive compassionate care and improve compassion related health outcomes among diverse ethnic groups.
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 | 0,012 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».