MétaCan
Menu
Retour à la cohorte
Enregistrement W3080448698 · doi:10.1177/2374373520948439

Determining Patient Readiness to Share Their Healthcare Stories: A Tool for Prospective Patient Storytellers to Determine Their Readiness to Discuss Their Healthcare Experiences

2020· article· en· W3080448698 sur OpenAlexaff
Lynn Ashdown, Jerry M Maniate

Notice bibliographique

RevueJournal of Patient Experience · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésStorytellingHealth careHealthcare deliveryMedical educationPatient safetyPsychologyMedicineNursingNarrative

Résumé

récupéré en direct d'OpenAlex

Patient stories can serve as educational tools for healthcare providers. Inherent risks to the patients sharing their medical stories do exist. Despite the positive impact that patient storytelling can have in healthcare delivery, it is important to ensure the safety of those patients who chose to share their medical experiences. A novel questionnaire was developed by a diverse group of healthcare and patient partner experts. This questionnaire would serve as a self-reflective tool that prospective storytellers would complete in order to assess their readiness to proceed with storytelling as an educational tool. This draft questionnaire was then distributed to the 10 prospective patient storytellers registered to complete our pilot workshop on preparing the patient stories where they were asked to provide feedback. Overall, feedback was positive, and minor alterations were made to the questionnaire, resulting in the novel creation of this readiness assessment tool.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,105
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,055
Tête enseignante GPT0,336
Écart entre enseignants0,282 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Patient ExperienceMême sujetEmpathy and Medical EducationTravaux en français237 207