What makes a ‘good doctor’? A critical discourse analysis of perspectives from medical students with lived experience as patients
Notice bibliographique
Résumé
What constitutes a 'good doctor' varies widely across groups and contexts. While patients prioritise communication and empathy, physicians emphasise medical expertise, and medical students describe a combination of the two as professional ideals. We explored the conceptions of the 'good doctor' held by medical learners with chronic illnesses or disabilities who self-identify as patients to understand how their learning as both patients and future physicians aligns with existing medical school curricula. We conducted 10 semistructured interviews with medical students with self-reported chronic illness or disability and who self-identified as patients. We used critical discourse analysis to code for dimensions of the 'good doctor'. In turn, using concepts of Bakhtinian intersubjectivity and the hidden curriculum we explored how these discourses related to student experiences with formal and informal curricular content.According to participants, dimensions of the 'good doctor' included empathy, communication, attention to illness impact and boundary-setting to separate self from patients. Students reported that formal teaching on empathy and illness impact were present in the formal curriculum, however ultimately devalued through day-to-day interactions with faculty and peers. Importantly, teaching on boundary-setting was absent from the formal curriculum, however participants independently developed reflective practices to cultivate these skills. Moreover, we identified two operating discourses of the 'good doctor': an institutionalised discourse of the 'able doctor' and a counterdiscourse of the 'doctor with lived experience' which created a space for reframing experiences with illness and disability as a source of expertise rather than a source of stigma. Perspectives on the 'good doctor' carry important implications for how we define professional roles, and hold profound consequences for medical school admissions, curricular teaching and licensure. Medical students with lived experiences of illness and disability offer critical insights about curricular messages of the 'good doctor' based on their experiences as patients, providing important considerations for curriculum and faculty development.
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 | 0,022 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,015 | 0,031 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».