MétaCan
Menu
Retour à la cohorte
Enregistrement W4220900090 · doi:10.1111/jep.13672

Patients as experts in the illness experience: Implications for the ethics of patient involvement in health professions education

2022· article· en· W4220900090 sur OpenAlexaff
Ariel Lefkowitz, Julie Vizza, Ayelet Kuper

Notice bibliographique

RevueJournal of Evaluation in Clinical Practice · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensThe Wilson CentreOntario Tech UniversityUniversity of TorontoUniversity Health NetworkHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)Presentation (obstetrics)MedicineTechnocracyInclusion (mineral)Health professionsRepresentation (politics)DiseaseMedical educationPsychologyNursingSocial psychologyHealth carePathologyPolitical scienceSurgery

Résumé

récupéré en direct d'OpenAlex

In response to calls to increase patient involvement in health professions education (HPE), educators are inviting patients to play a range of roles in the teaching of clinical trainees. However, there are concerns that patients involved in educational programs are seen as representing a demographic larger than themselves: their disease, their social group or even patients as a whole. This leads to difficult ethical challenges related to representation, including problems of tokenistic inclusion and of inadvertently essentializing marginalized groups. We propose that conceptualizing patients as experts in their illness experience can help resolve these dilemmas of representation equitably and effectively. Just as clinical experts are involved in HPE to share their expertise and represent their clinical experience, so too should patients be invited to participate in HPE explicitly for their expertise in their illness experience. This framing clarifies the goals of patient involvement as technocratic rather than tokenistic, mandates meaningful contributions by patients, and helps frame patient involvement for learners as the presentation of expert perspectives.

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)0,096
score de la tête « metaresearch » (Gemma)0,090
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,506

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0960,090
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0190,100
Communication savante0,0180,021
Science ouverte0,0040,024
Intégrité de la recherche0,0190,021
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,263
Tête enseignante GPT0,614
Écart entre enseignants0,351 · 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
GenreEmpirique

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

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Evaluation in Clinical PracticeMême sujetEmpathy and Medical EducationTravaux en français237 207