BOS1b.001 Supporting clinicians to adopt a culturally considerate approach to advance care planning conversations with patients
Notice bibliographique
Résumé
Background Disparities exist in ACP engagement rates among culturally diverse communities. To address this, we developed an online learning course to help healthcare providers apply a culturally considerate and safe approach and appropriate communication skills when conducting ACP conversations with culturally diverse patients, particularly patients with a Chinese or South Asian background. Methods The course was developed using information from literature reviews, and focus groups with members of the Chinese or South Asian communities. The target audience is any healthcare provider that may have ACP conversations with their patients. Basic ACP information and cultural safety knowledge are considered prerequisites. Three modules were developed: Evolution of ACP: a refresher module about ACP. Culturally Safe Care: how culture can impact care, with an overview of cultural safety. This module applies to all cultures. Culturally safe ACP with Chinese and South Asian communities: bringing together the lessons of the previous two modules in the context of ACP with members of Chinese and South Asian communities. The course is evaluated through a survey following course completion. Results Healthcare providers that completed the evaluation survey were predominantly Nurses (42%) and Social Workers (36%) and did not identify with either the South Asian or Chinese Community (73%). Over 90% of respondents agreed the course was clear and well written, the content was easy to understand, it met their learning needs, and increased their knowledge on how to conduct culturally safe ACP. 97% of respondents thought the information could be applied in practice, and 85% said they are likely to recommend the course to a friend/colleague. Respondents requested expansion to cover additional cultures. Conclusion Using the learnings from the course in ACP conversations, healthcare providers can help their culturally diverse patients to get care aligned with their values, beliefs and wishes.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,273 | 0,079 |
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 ».