MétaCan
Menu
Retour à la cohorte
Enregistrement W3036271330 · doi:10.1177/2374373520933130

Teaching About Partnerships Between Patients and the Team: Exploring Student Perceptions

2020· article· en· W3036271330 sur OpenAlexaff
Sylvia Langlois, Kamna Mehra

Notice bibliographique

RevueJournal of Patient Experience · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensCentre for Addiction and Mental HealthUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipThematic analysisCurriculumInterprofessional educationMedical educationPsychologyPerceptionPerspective (graphical)MedicineHealth carePedagogyNursingQualitative researchSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Health profession educators are responding to shifting approaches where patients are increasingly recognized as partners in an interprofessional care process. To foster competencies related to partnerships between patients and the team, educators have advanced the role of patient partners; however, an appreciation of resulting student learning is in its early stages. First-year students from 9 programs interacted with patient partners and participated in a Reader's Theater that explored partnerships with patients in an interprofessional team. Students completed reflective assignments; an inductive thematic analysis explored student learning. The following 4 overarching themes were recognized: developing insights through patient perspective, promoting partnerships with patients, recognizing attitudes that promote therapeutic relationships, and advocating for the patient to be a team member. Accompanying subthemes provide enhancement of each of the identified themes. Students discussed the effect of poor collaboration, identified attitudes that promote collaboration, and expressed the value of advocacy for patient partnership. An enriched appreciation of student learning will guide educator engagement of patient partners in both health professional and interprofessional curricula.

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)0,001
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 enseignants0,053
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,143
Tête enseignante GPT0,459
Écart entre enseignants0,316 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Patient ExperienceMême sujetInterprofessional Education and CollaborationTravaux en français237 207