Open-ended comments in SIC-Ex, an assessment tool for residents leading Serious Illness Conversations
Notice bibliographique
Résumé
Abstract Purpose The Serious Illness Conversation (SIC) has emerged as a framework for conversations with patients with a serious illness diagnosis. This study reports on narratives generated from open-ended questions of a novel assessment tool, the SIC-Evaluation Exercise (SIC-Ex), to assess resident-led conversations with patients in oncology outpatient clinics.Methods We developed the SIC-Ex based on the Ariadne SIC framework. Seven resident trainees and ten preceptors were recruited from three cancer centres. Each trainee conducted a SIC with a patient, which was videotaped. The preceptors watched the videos and evaluated each trainee using the novel SIC-Ex and the reference Calgary-Cambridge Guide (CCG) at months 0 and 3. Two independent coders used template analysis to code the preceptors’ free-text narrative comments and identify themes/subthemes.Results Template analysis yielded 6 themes: behavioural attributes mapped to SIC, those mapped to CCG, those overlapping between SIC and CCG, trainees’ demeanors, rater mis-classification of comments, and comments on SIC-Ex. Narrative comments explored numerous verbal and non-verbal components essential to SIC. Some comments applied to both SIC and CCG (e.g. setting agenda, introduction, planning, exploring, non-verbal communication), whereas others mapped specific to one (e.g. SIC - identifying substitute decision maker, affirming commitment, introducing advance care planning, engaging family; CCG – using open ended questions, avoiding explanations, flow, time management).Conclusion Narrative comments generated by SIC-Ex provided a detailed and nuanced insight into trainee's competency in SIC, beyond numerical ratings and general communication skills assessed by CCG; they should continue to be a part of assessment.
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 | 0,031 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».