MétaCan
Menu
Retour à la cohorte
Enregistrement W3003898722 · doi:10.26443/ijwpc.v7i1.232

Reading Patients: Our Story of Narrative Medicine

2020· article· en· W3003898722 sur OpenAlexaffvenueabout
Catherine Courteau, Laurence Laneuville

Notice bibliographique

RevueInternational Journal of Whole Person Care · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensMcGill University Health CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNarrativeNarrative medicineReading (process)Medical educationHealth careNarrative inquiryApprenticeshipMedicinePsychologyHistoryLiteraturePolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

As Dr. Rita Charon, pioneer of the field of narrative medicine, said “Literary accounts of illness can teach physicians concrete and powerful lessons about the lives of sick people” but also “enable physicians to recognize the power and implications of what they do” (Charon et al, 1995).Through various narrative medicine exercises, we have explored the benefits of narrative medicine for health care professionals. More specifically, we have created a reading club for medical students and developed a reading module as part of the Physician Apprenticeship Course for medical students at McGill University. Moreover, we led short writing workshops based on prompts from short stories and poems for health care professionals at Anna-Laberge Hospital.During our workshop, we will briefly review our narrative medicine initiatives and then dive into a narrative medicine exercise with the group to demonstrate its potential benefits among health care professionals. We hope that by providing concrete examples of narrative medicine projects we have developed and implemented, we will facilitate the integration of narrative medicine into participants’ own practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,240

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,338
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Whole Person CareMême sujetEmpathy and Medical EducationTravaux en français237 207