How to reduce empathic distress and increase emotional skills in medical training? Experience of a Mindfulness-Based stress reduction class vs. control group in France
Notice bibliographique
Résumé
Abstract Background: Improving student wellness through curricular activities is a topic of interest in medical school. Both distress and well-being are related to medical student empathy. Numerous data suggest that learning mindfulness skills help to reduce anxiety, stress and overall psychological distress. Moreover, there are still poor data on the impact of MBSR on medical students' empathy and emotional skills. Methods: We designed a controlled study including an intervention group (MBSR) and a wait-list control group. We aimed to explore the impact of an MBSR training in medical students on (1) empathy (2) emotional skills (identification, understanding, acceptance) and (3) self-care. Online assessments occurred at baseline and post intervention. We analyzed pre-post changes and explored intervention effects using a generalized mixed model. Results: Fifty-one medical students were included. 80% of students attended all MBSR classes. When compared with the control group, Personal Distress (PD) of the empathy subscale decreased significantly in the MBSR group (β=-3.55 [95%CI -5.09, -1.40], p<0.005). No other significant change was observed as for the empathy subscales. Students in the MBSR group increased their emotional skills as the ability to identify (p<.005, Cohen’s d=0,52) and understand (p=.02, Cohen’s d=0.62) one’s own emotion. The total Self-Compassion score (SCS) increased significantly in the MBSR group (β=-25.5 [95%CI 18.16, 32.86], p<0.001) assesses the ability to self-care. Conclusion: Results suggest that MBSR develops medical students' interpersonal resources and reduces empathy distress. Indeed, PD assesses the tendency to feel distress and discomfort in response to the distress of others and corresponds to a challenge in medical training. MBSR could be beneficially combined with other educational modalities to enhance each component of empathy.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».