Empathy among medical students: A cross-sectional survey.
Notice bibliographique
Résumé
BACKGROUND: Empathy is regarded as one of the leading elements of good physician-patient relationships, having a strong association with improved patient outcomes. It is an aspect of personality, which is considered to be an essential component in the development of interpersonal understanding and in assisting proficiency in communication. Developing empathy among medical students who are going to become tomorrow's physicians is an important part of medical education. The objective of this study was to measure the mean empathy score of medical students at a private medical college and identify associated factors. METHODS: This cross-sectional study was conducted from January to June 2018 among 569 medical students at a private medical college in Lahore. Toronto empathy questionnaire (TEQ) was used to determine empathy levels among students. Data was analysed in IBM SPSS-20. Mean TEQ scores were calculated. Independent sample t-test and one-way ANOVA were used to determine association between mean Toronto empathy score and socio-demographic variables, significant at a p-value of <0.05. RESULTS: The age of 569 respondents ranged from 17 to 27 years with a mean of 20.82±1.757. There were 317 (55.71%) females; and 312 (54.8%) were residing at home with parents. The overall mean TEQ score was calculated to be 42.57±7.513. The Cronbach's alpha was 0.710. There was a significant association between empathy levels and year of study of the respondents (p<0.001), gender (p<0.001) and students' permanent area of residence (p=0.018). CONCLUSION: Overall mean TEQ score was found to be 42.57±7.513. Statistically significant difference was found between gender, place of residence, year of study and mean empathy scores.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».