MétaCan
Menu
← Retour à la cohorte
Enregistrement W4308195034 · doi:10.2196/preprints.43981

Building Compassionate Experience through Compassionate Action: A Qualitative Behavioural Analysis (Preprint)

2022· preprint· en· W4308195034 sur OpenAlexaff
Laura Desveaux, Kelly Wu, Geneviève Rouleau, Diya Srinivasan, Rhea Azavedo, Marlena Dang Nguyen, Danielle Martin, Carolyn Steele Gray

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensSinai Health SystemLunenfeld-Tanenbaum Research InstituteWomen's College HospitalTrillium Health CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésThematic analysisCompassionContext (archaeology)OperationalizationPsychologyQualitative researchNursingMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND The acceleration of virtual primary care during the COVID-19 pandemic outpaced the ability to understand whether and how it impacts care delivery and outcomes. As virtual care continues to evolve, focusing on the core construct of compassion in a primary care context will help ensure high-quality patient care and increased patient autonomy and satisfaction. The ability to successfully operationalize the use of technology in patient-clinician interactions hinges on not only understanding how compassionate care is experienced in this context, but understanding how clinicians can create it. OBJECTIVE The objectives were to (1) understand whether and how compassionate behaviours are experienced in virtual primary care interactions; and (2) identify the individual and contextual drivers that influence whether and how these behaviours occur. METHODS We conducted a series of one-on-one qualitative interviews with primary care physicians, nurses, and patients. Qualitative data were initially analyzed using an inductive thematic analysis approach to identify preliminary themes by participant group. We then looked across participant groups to identify areas of alignment and distinction. Descriptions of key behaviours that participants identified as elements of a compassionate interaction and descriptions of key drivers of these behaviours were inductively coded and defined at this stage. RESULTS A total of 74 interviews were conducted, including 40 patients, 20 nurses, and 14 primary care physicians. Key behaviours that amplified the experience of compassion included asking the patient’s modality preference, using video to establish virtual presence, sharing the screen, and practicing effective communication. Participants’ knowledge or skills as well as their beliefs and emotions influenced the specific behaviours described above. Elements of context beyond participants’ control influenced virtual interactions, including resource access, funding structures, culture, regulatory standards, work structure, societal influence, as well as patient characteristics and needs. A high-yield, evidence-based approach to address the identified drivers of compassion-focused clinician behaviours includes a combination of education, training, and enablement. CONCLUSIONS Much of the patient experience is influenced by clinician behaviour, however clinicians need a supportive system and adequate supports to evolve new ways of working in order to create the experience of compassionate care. The current state of virtual care operationalization has led to widespread burnout, societal pressure, and shifting expectations of both clinicians and the health system more broadly that are threatening the ability to deliver compassionate care. For clinicians to exhibit compassionate behaviours, they need more than just adequate supports; they need to receive compassion from and experience the humanity of their patients. CLINICALTRIAL

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)0,021
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,021
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,030
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,008
Communication savante0,0040,003
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,265
Tête enseignante GPT0,551
Écart entre enseignants0,286 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Mental Health Interventions→Travaux en français237 207→