MétaCan
Menu
Retour à la cohorte
Enregistrement W3033887807 · doi:10.1007/s40037-020-00591-3

Mindful medical practice: An innovative core course to prepare medical students for clerkship

2020· article· en· W3033887807 sur OpenAlexaffabout
Tom A. Hutchinson, Stephen Liben

Notice bibliographique

RevuePerspectives on Medical Education · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedical educationSession (web analytics)EmpathyMindfulnessPsychologyClinical clerkshipCourse evaluationMedicineCurriculumHigher educationPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medical students show a decline in empathy and ethical reasoning during medical school that is most marked during clerkship. We believe that part of the problem is that students do not have the skills and ways of being and relating necessary to deal effectively with the overwhelming clinical experience of clerkship. APPROACH: At McGill University in Montreal, starting in January 2015, we have taught a course on mindful medical practice that combines a clinical focus on the combination of mindfulness and congruent relating that is aimed at giving students the skills and ways of being to function effectively in clerkship. The course is taught to all medical students in groups of 20, weekly for 7 weeks, in the 6 months immediately prior to clerkship, a time when students are very open to learning the skills they need to take effective care of patients. EVALUATION: The course has been well accepted by students as evidenced by their engagement, their evaluations, and their comments in the essays that they write at the end of the course. In a follow-up session at the simulation centre one year later students remember clearly and enact what they were taught in the course. REFLECTION: The next steps will be to conduct a formal evaluation of the effect of our teaching that will involve a combination of qualitative methods to clarify the nature of the impact on our students and a quantitative assessment of the difference the course makes to students' experience and performance in clerkship.

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)0,003
score de la tête « metaresearch » (Gemma)0,159
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,279
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,159
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,046
Tête enseignante GPT0,474
Écart entre enseignants0,429 · 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.

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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetEmpathy and Medical EducationTravaux en français237 207