MétaCan
Menu
Retour à la cohorte
Enregistrement W4318212773 · doi:10.1093/med/9780197583838.003.0003

Healing and Whole-Person Care

2022· book-chapter· en· W4318212773 sur OpenAlexaboutno aff
Tom A. Hutchinson, Nora Hutchinson

Notice bibliographique

RevueOxford University Press eBooks · 2022
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth carePalliative careCuring (chemistry)PsychologyNursingMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract When Cicely Saunders set up St. Christopher’s Hospice in 1967, she created whole-person care for patients who were dying and a model for the transformation of healthcare. This model of care, which combined healing and curing, has key aspects that needed to be addressed if the full potential of palliative medicine is to be realized. (1) Healing is a complex powerful process that is unpredictable and difficult to measure. (2) Curing is a radically different process, the impact of which is easier to quantify. These two processes synergize, but, in the tension between them, curing tends to be favored over healing. (3) The efficiency promoted by most healthcare institutions focuses primarily on the measurable actions and outcomes related to curing, further decreasing the time and attention to healing. (4) The authors have taught an approach to care based on mindfulness and congruence (mindful clinical congruence) to all medical students in all 4 years at McGill University that promotes a way of relating to patients that makes space for both healing and curing. (5) For this approach to succeed, both in palliative care and healthcare generally, will require a new kind of medical professionalism, where healing is seen as the bedrock of practice and curing as the context in which healing takes place. Communities of trust will be necessary for this transformation, which the authors believe will benefit both professional caregivers and the patients to whom they deliver 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,007
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,031
Tête enseignante GPT0,238
Écart entre enseignants0,206 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetEmpathy and Medical EducationTravaux en français237 207