The Relationship between Mental Health with the Level of Empathy Among Medical Students in Southern Thailand: A University-Based Cross- Sectional Study
Notice bibliographique
Résumé
Objective: To determine the level of and factors associated with empathy among medical students.Materials and Methods: This cross-sectional study surveyed all first- to sixth-year medical students at the Facultyof Medicines, Prince of Songkla University, at the end of the 2020 academic year. The questionnaires consisted of:1) The personal and demographic information questionnaire, 2) The Toronto Empathy Questionnaire, and 3) ThaiMental Health Indicator-15. Data were analyzed using descriptive statistics, and factors associated with empathylevel were assessed via chi-square and logistic regression analyses.Results: There were 1010 participants with response rate of 94%. Most of them were female (59%). More than half(54.9%) reported a high level of empathy. There was a statistically significant difference in empathy levels betweenpre-clinical and clinical medical students; in regards to empathy subgroups (P-value < 0.001). The assessment ofemotional states in others by demonstrating appropriate sensitivity behavior, altruism, and empathic respondingscores among the pre-clinical group were higher than those of the clinical group. Multivariate analysis indicatedthat female gender, pre-clinical training level, and minor specialty preference were factors associated with empathylevel. The protective factor that significantly improved the level of empathy was having fair to good mental health.Conclusion: More than half of the surveyed medical students reported a high level of empathy. The protective factorthat improved the level of empathy was good mental health. However, future qualitative methods, longitudinalsurveillance, or long-term follow-up designs are required to ensure the trustworthiness of these findings.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».