Adding a dose of empathy to healthcare: What can healthcare systems do?
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: Healthcare practitioners often note system-level barriers to empathy between patients and practitioners. These include burnout-inducing administrative workloads, unfriendly meeting times, burdensome protocols, lack of wellbeing spaces, and undervaluing empathy as a core part of an institution's mission. The need for empathy in healthcare has been magnified with the current SARS-COV-2 outbreak which has limited the expression of interpersonal empathy due to rigid isolation protocols and the use of personal protective equipment. METHOD: This study-the first of its kind that we are aware of-outlines the details of a facilitated workshop run with the leadership of a tertiary level pediatric center in Canada. The workshop used a modified nominal group technique to discuss and prioritize actions to enhance empathy into the hospital system. RESULTS: Inter-professional and inter-disciplinary group of healthcare leader participants agreed on several immediately actionable steps, including embedding patient satisfaction with care measures as standard, and streamlining booking appointments. A roadmap was created to implement the other priorities. CONCLUSION: A systematic approach to infusing empathy into the structure of our healthcare system is much needed. Furthermore, inter-professional and inter-disciplinary educational workshops was well-received as a way to facilitate discussion and drive change.
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 | 0,044 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,015 |
| Communication savante | 0,013 | 0,024 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».