MétaCan
Menu
Retour à la cohorte
Enregistrement W4226241727 · doi:10.1186/s12909-022-03306-w

The perceptions and experiences of medical students in a pediatric buddy program: a qualitative study

2022· article· en· W4226241727 sur OpenAlexaff
Candace Nayman, Jeffrey Do, Alexa Goodbaum, Kaylee Eady, Katherine Moreau

Notice bibliographique

RevueBMC Medical Education · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipThematic analysisEmpathyMedical educationQualitative researchPerceptionPediatric oncologyMedicinePsychologyNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Partnership programs between medical students and patients provide students with non-clinical experiences that enhance medical learning, especially with respect to humanistic care. We explored the perceptions and experiences of medical students in a pediatric oncology buddy program. METHODS: Using a basic interpretive qualitative approach, we conducted interviews with 15 medical students at three time points: before meeting his/her buddy (pre-interview), four months into the partnership (4-month interview), and at the end of the partnership (post interview). We then conducted a thematic analysis of the interview data. RESULTS: All students in the program who met the study criteria (N = 15/16) participated. The medical students highlighted that: (a) providing support to buddies and their families is important; (b) providing care to children with serious illnesses is emotionally difficult; (c) developing deep connections with buddies and their families is rewarding; and (d) gaining empathy and personal fulfillment from buddies and their families is inevitable. CONCLUSIONS: This study provides an understanding of medical students' perceptions and experiences in a pediatric oncology, non-clinical buddy program. Tailored one-on-one partnerships between medical students and pediatric oncology patients play an important role in medical education and contributes to the teaching of humanistic care.

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)0,009
score de la tête « metaresearch » (Gemma)0,011
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,006
Communication savante0,0030,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,486
Écart entre enseignants0,446 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetEmpathy and Medical EducationTravaux en français237 207