MétaCan
Menu
Retour à la cohorte
Enregistrement W4320918687 · doi:10.3390/healthcare11040565

Gender Differences among Healthcare Providers in the Promotion of Patient-, Person- and Family-Centered Care—And Its Implications for Providing Quality Healthcare

2023· review· en· W4320918687 sur OpenAlexaff
Sarah Ashley Lim, Amir Khorrami, Richard J. Wassersug, James R. Agapoff

Notice bibliographique

RevueHealthcare · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHealth careFamily centered careQuality (philosophy)Promotion (chess)NursingPsychologyMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

The concept of “patient-centered care” (PCC) emphasizes patients’ autonomy and is commonly promoted as a good healthcare practice that all of medicine should strive for. Here, we assessed how six medical specialties—pediatrics, OBGYN, orthopedics, radiology, dermatology, and neurosurgery—have engaged with PCC and its derivative concepts of “person-centered care” (PeCC) and “family-centered care” (FCC) as a function of the number of female physicians in each field. To achieve this, we conducted a scoping review of three databases—PubMed, CINAHL, and PsycInfo—to assess the extent that PCC, PeCC, FCC, and RCC were referenced by different specialties in the medical literature. Reference to PCC and PeCC in the literature correlates significantly with the number of female physicians in each field (all p < 0.00001) except for neurosurgery (p > 0.5). Pediatrics shows the most extensive reference to PCC, followed by OBGYN, with a significant difference between all disciplines (p < 0.001). FCC remains exclusively embraced by pediatrics. Our results align with documented cognitive differences between men and women that recognize gender differences in empathizing (E) versus systemizing (S) with females demonstrating E > S, which supports PCC/PeCC/FCC approaches to healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,702
Tête enseignante GPT0,536
Écart entre enseignants0,166 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207