The Basic Science of Patient–Physician Communication: A Critical Scoping Review
Notice bibliographique
Résumé
PURPOSE: Strong verbal communication skills are essential for physicians. Despite a wealth of medical education research exploring communication skills training, learners struggle to become strong communicators. Integrating basic science into the curriculum provides students with conceptual knowledge that improves learning outcomes and facilitates the development of adaptive expertise, but the conceptual knowledge, or "basic science," of patient-provider communication is currently unknown. This review sought to address that gap and identify conceptual knowledge that would support improved communication skills training for medical trainees. METHOD: Combining the search methodology of Arksey and O'Malley with a critical analytical lens, the authors conducted a critical scoping review of literature in linguistics, cognitive psychology, and communications to determine: what is known about verbal communication at the level of word choice in physician-patient interactions? Studies were independently screened by 3 researchers during 2 rounds of review. Data extraction focused on theoretical contributions associated with language use and variation. Analysis linked patterns of language use to broader theoretical constructs across disciplines. RESULTS: The initial search returned 15,851 unique studies, and 271 studies were included in the review. The dominant conceptual groupings reflected in the results were: (1) clear and explicit language, (2) patient participation and activation, (3) negotiating epistemic knowledge, (4) affiliative language and emotional bonds, (5) role and identity, and (6) managing transactional and relational goals. CONCLUSIONS: This in-depth exploration supports and contextualizes theory-driven research of physician-patient communication. The findings may be used to support future communications research in this field and educational innovations based on a solid theoretical foundation.
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 | 0,060 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,036 | 0,026 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».