Evidence-based medicine, shared decision making and the hidden curriculum: a qualitative content analysis
Notice bibliographique
Résumé
INTRODUCTION: Medical education should portray evidence-based medicine (EBM) and shared decision making (SDM) as central to patient care. However, misconceptions regarding EBM and SDM are common in clinical practice, and these biases might unintentionally be transmitted to medical trainees through a hidden curriculum. The current study explores how assumptions of EBM and SDM can be hidden in formal curriculum material such as PowerPoint slides. METHODS: We conducted a qualitative content analysis using a purposive sample of 18 PowerPoints on the management of upper respiratory tract infections. We identified concepts pertaining to decision making using theory-driven codes taken from the fields of EBM and SDM. We then re-analyzed the coded text using a constructivist latent thematic approach to develop a rich description of conceptualizations of decision making in relation to EBM and SDM frameworks. RESULTS: PowerPoint slides can relay a hidden curriculum, which can normalize: pathophysiological reasoning, unexplained variations in clinical care, the use of EBM mimics, defensive medicine, an unrealistic portrayal of benefits, and paternalism. DISCUSSION: Addressing the hidden curriculum in formal curricular material should be explored as a novel strategy to foster a positive attitude towards EBM and SDM and to improve patient outcomes by encouraging the use of these skills.
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 | 0,002 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».