MétaCan
Menu
Retour à la cohorte
Enregistrement W3174976755 · doi:10.1192/bjo.2021.783

Interview skills – psychiatry reel to reality

2021· article· en· W3174976755 sur OpenAlexaboutno aff
Mathuri Tharmapoopathy, Santosh Kumar, Abishan Thavarajah

Notice bibliographique

RevueBJPsych Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActive listeningPsychologyObjectivity (philosophy)make.believeInterviewIntrospectionEpistemologyCognitive psychologyPsychotherapistSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Aims This reel analysis identifies quotes and actions of fictional characters from TV shows, namely: Hercules Poirot, Sherlock Holmes and House who can demonstrate learning points for clinical students to use within real psychiatric practice, using scientific theories such as the Hypothetico-deductive model, Empirical falsification and Occam's razor. This analysis explores what an ideal psychiatric interview consists of and what can be learnt from these characters and implemented within medical education. Method Each show was watched by one researcher over the period of March to August 2020. The researcher noted insightful quotes which were relevant to one of the three philosophical theories. Quotes were included if they demonstrated deduction skills, revealed a character's ethos and supported the Calgary-Cambridge model of interviewing such as building rapport. 32 quotations were collected in total and narrowed to 6 quotations. These were then analysed, learning points were made and linked to the Calgary Cambridge model. Result Dr House demonstrates objectivity when taking a patient's history. He utilises empirical falsification when diagnosing to avoid missing a differential diagnosis. Detective Poirot displays how empathic listening allows disclosure of details in the history, which would have otherwise been omitted. Additionally, he illustrates the importance of collateral interviewing which allows one to identify misinterpretations and inconsistencies. Sherlock teaches us the importance of perception regarding mismatching information which can help to gather new facts. All three characters interview beginning with open questions to more closed questions, supplementing with deductive reasoning in order to solve cases. Objectivity, empirical falsification, empathetic listening and deductive reasoning are the key skills displayed by these characters, that medical students can most use in their own practices. Conclusion The perfect interview discovers new information through synchronised collaboration, whilst adhering to the Hypothetico-deductive model of thought. A combination of the Calgary-Cambridge model of interviewing and skillset of the TV characters should be considered for implementation in some aspects of psychiatric interviewing. Medical education can utilise these TV shows to teach students how to conduct history-taking.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut 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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,041
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0050,015
Communication savante0,0080,006
Science ouverte0,0020,017
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0290,010

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 Opus0,069
Tête enseignante GPT0,433
Écart entre enseignants0,364 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBJPsych OpenMême sujetEmpathy and Medical EducationTravaux en français237 207