What works for whom in compassion training programs offered to practicing healthcare providers: a realist review
Notice bibliographique
Résumé
BACKGROUND: Patients and families want their healthcare to be delivered by healthcare providers that are both competent and compassionate. While compassion training has begun to emerge in healthcare education, there may be factors that facilitate or inhibit the uptake and implementation of training into practice. This review identified the attributes that explain the successes and/or failures of compassion training programs offered to practicing healthcare providers. METHODS: Realist review methodology for knowledge synthesis was used to consider the contexts, mechanisms (resources and reasoning), and outcomes of compassion training for practicing healthcare providers to determine what works, for whom, and in what contexts. RESULTS: Two thousand nine hundred ninety-one articles underwent title and abstract screening, 53 articles underwent full text review, and data that contributed to the development of a program theory were extracted from 45 articles. Contexts included the clinical setting, healthcare provider characteristics, current state of the healthcare system, and personal factors relevant to individual healthcare providers. Mechanisms included workplace-based programs and participatory interventions that impacted teaching, learning, and the healthcare organization. Contexts were associated with certain mechanisms to effect change in learners' attitudes, knowledge, skills and behaviors and the clinical process. CONCLUSIONS: In conclusion this realist review determined that compassion training may engender compassionate healthcare practice if it becomes a key component of the infrastructure and vision of healthcare organizations, engages institutional participation, improves leadership at all levels, adopts a multimodal approach, and uses valid measures to assess outcomes.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».