Optimising the educational value of indirect patient care
Notice bibliographique
Résumé
INTRODUCTION: Indirect patient care activities (IPCA) such as documentation, reviewing investigations and filling out forms require an increasing amount of physician time. While an essential part of patient care, rising rates of IPCA work correspond with increases in physician burnout and job dissatisfaction. It is not known how best to prepare residents in IPCA-heavy specialties (e.g. family medicine) for this aspect of their career. This study investigates how educators and residency programmes can optimise IPCA work during residency to best prepare residents for future practice. METHODS: Using Constructivist Grounded Theory, we conducted focus groups and individual interviews with 42 clinicians (19 family medicine residents, 16 family physicians in the first 5 years of practice and 7 family physician educators). All participants were connected to one family medicine residency programme. We analysed interview data iteratively, using a staged approach to constant comparative analysis. RESULTS: While residents, early career physicians and educators perceived the educational value of IPCAs differently, they all reported IPCAs as a necessary weight that family physicians carry throughout their career. Some residents described IPCAs as a burden, creating inequities in workload and interfering with other learning and personal opportunities. In contrast, educators conceptualised IPCAs as an opportunity to build and develop the skills required to carry the weight of IPCAs throughout their career. We make specific recommendations for helping residents recognise this educational opportunity, such as clarifying expectations, navigating equity, understanding purpose and maintaining consistency when teaching IPCAs. CONCLUSION: IPCAs are a key competency for many medical residents but require explicit pedagogical attention. If the educational opportunities are not made explicit, residents may miss the opportunity to develop strategies for practice management, professional boundaries, and administrative efficiencies.
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| 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 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 ».