Challenges facing standardised patients representing equity‐deserving groups: Insights from health care educators
Notice bibliographique
Résumé
INTRODUCTION: Health professions training programmes increasingly rely on standardised patient (SP) programmes to integrate equity-deserving groups into learning and assessment opportunities. However, little is known about the optimal approach, and many SP programmes struggle to meet these growing needs. This study explored insights from health care educators working with SP programmes to deliver curricular content around equity-deserving groups. METHODS: We interviewed 14 key informants in 2021 who were involved in creating or managing SP-based education. Verbatim transcripts were analysed in an iterative coding process, anchored by qualitative content analysis methodology and informed by two theoretical frameworks: sociologic translation and simulation design. Repeated cycles of data collection and analyses continued until themes could be constructed, aligned with existing theories and grounded in empirical data, with sufficient relevance and robustness to inform educators and curricular leads. RESULTS: Three themes were constructed: (i) creating safety for SPs paid to be vulnerable, (ii) fidelity as an issue broader than who plays the role and (iii) engaging equity-deserving groups. SP work involving traditionally marginalised groups risk re-traumatization, highlighting the importance of (i) informed consent in recruiting SPs, (ii) separating role portrayal from lived experiences, (iii) adequately preparing learners and facilitators, (iv) creating time-outs and escapes for SPs and (v) building opportunity for de-roling with community support. CONCLUSIONS: SP programmes are well positioned to be allies and advocates to equity-deserving groups and to collaborate and share governance of the educational development process from its outset. SP programmes can support the delivery of curricular content around equity-deserving groups by advocating with curricular leadership, building relationships with community partners, facilitating co-creation and co-delivery of educational content and building safety into simulation.
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 | 0,020 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,012 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,003 | 0,006 |
| 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 ».