When patients teach students empathy: a systematic review of interventions for promoting medical student empathy
Notice bibliographique
Résumé
Background: Despite growing emphasis on empathic care, numerous studies demonstrate diminishing empathy in medical students. Involving patient educators in medical curricula may be a solution. Therefore, we conducted a systematic review to evaluate patient-involved interventions that promote empathy among medical students. Method: A literature search of MEDLINE, Embase, PsycINFO, and ERIC databases was performed using the keywords "empathy," "medical student," and their synonyms. Results were independently screened in duplicate. Conflicts were resolved by group consensus. All English studies describing interventions that promote empathy in medical students engaging patient educators were included. Relevant data was extracted and summarized. Results: 1467 studies were screened. 14 studies were included, of which 10 were pilot studies. Studies included patient involved interventions such as storytelling (5/14), shadowing patients (3/14), recorded videos (3/14), or combinations of methods (3/14). Qualitative measurements of empathy included written feedback and group discussions. Quantitative measurements included validated scales measuring empathy. All studies demonstrated increase in empathy among medical students. Participants reported satisfaction with training and patients reported being proud of giving back by training future physicians. Conclusion: Interventions engaging patient educators were shown to have a positive impact on medical student empathy. Furthermore, patient-led education was shown to increase medical student understanding of subject and knowledge retention while empowering patients. Further implementation of patient-involved education is an important step forward in patient-partnered care and may identify additional advantages of patient engagement in medical education.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 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 tête enseignante, 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 ».