Decline of Empathy During Medical Education
Notice bibliographique
Résumé
To the Editor: Physician empathy is crucial for strengthening the physician–patient relationship and improving patients’ satisfaction and comfort. However, Hojat and colleagues’ excellent cross-sectional study1 reports a significant decline in empathy among DO-degree medical students in the United States from the preclinical to clinical phases of education. Their current findings are similar to those of their previous landmark cohort study of U.S. MD-degree medical students.2 Outside the United States, while several cross-sectional studies have been conducted, multi-institutional cohort studies to determine the causal factors of this decline have not yet been undertaken. We propose an international multi-institutional prospective cohort study to pinpoint these factors. Its findings could help mitigate this decline among students worldwide, many of whom will go on to become international medical graduates (IMGs) that practice in the United States. Nearly a quarter of resident physicians in the United States are IMGs, with approximately 20% of these having attended medical schools in India.3 A similar decline of empathy is reported from India as well, where levels of empathy among students were, notably, lower than their Western peers.4 Another cross-sectional study in Brazil5 found that trainees’ empathy correlated with burnout levels. Thus, students’ empathy needs preservation universally, so that they deliver the best possible patient care worldwide. Through a multi-institutional cross-sectional study across India, analyses ongoing, we have also investigated this in over 2,000 medical students. To our knowledge, it is the largest study of empathy in medical students in the developing world. We, like Hojat and colleagues,1,2 found a significant longitudinal decline in students’ empathy. We found that certain sociodemographic, cultural, and academic characteristics were significant covariates of this decline. However, these works, due to their cross-sectional nature, are insufficient for determining the causal factors of this decline. Thus, we need multi-institutional prospective cohort studies to determine these factors.
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 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».