End-of-Life Skills and Professionalism for Critical Care Residents in Training: The ESPRIT Survey
Notice bibliographique
Résumé
End-of-life (EOL) care is a key aspect of critical care medicine (CCM) training. The goal of this study was to survey CCM residents and program directors (PDs) across Canada to describe current EOL care education. Using a literature review, we created a self-administered survey encompassing 10 CCM national objectives of training to address: (1) curricular content and evaluation methods, (2) residents’ preparedness to meet these objectives, and (3) opportunities for educational improvement. We performed pilot testing and clinical sensibility testing, then distributed it to all residents and PDs across the 13 Canadian CCM programs. Our response rate was 84.3% overall (77 [81.1%] for residents and 13 [100%] for PDs). Residents rated direct observation, informal advice, and self-reflection as both the top 3 most utilized and perceived most effective teaching modalities. Residents most commonly reported comfort with skills related to pain and symptom management (n = 67, 94.3%; score > 3 on 5-point Likert scale), and least commonly reported comfort with donation after cardiac death skills (n = 26-38; 44.8%-65.5%). Base specialty and time in CCM training were independently associated with comfort ratings for some, but not all, EOL skills. With respect to family meetings, residents infrequently received feedback; however, most PDs believed feedback on 6 to 10 meetings is required for competence. When PD perceptions of teaching effectiveness were compared with resident comfort ratings, differences were most apparent for skills related to pain and symptom management, cultural awareness, and ethical principles. By the end of their first subspecialty training year, PDs expect residents to be competent at most, but not all, EOL skills. In summary, trainees and programs rely on clinical activities to develop competency in EOL care, resulting in some educational gaps. Transitioning to competency-based medical education presents an opportunity to address some of these gaps, while other gaps will require more specific curricular intervention.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».