Evaluation of dental students' clinical communication skills from three perspective approaches: A cross‐sectional study
Notice bibliographique
Résumé
INTRODUCTION: The communication skills of clinicians are very crucial in providing better health outcomes for patients. Therefore, this study aimed to assess undergraduate dental students' communication skills in relation to their demographics and clinical setting using a three-perspective approach; the student, the patient and the clinical instructor perspective. METHODS: A cross-sectional study was conducted using validated modified-communication tools; Patient Communication Assessment Instruments (PCAI), Student Communication Assessment Instruments (SCAI) and Clinical Communication Assessment Instruments (CCAI) which included four communication domains. One hundred and seventy-six undergraduate clinical year students were recruited in this study whereby each of them was assessed by a clinical instructor and a randomly selected patient in two settings: Dental Health Education (DHE) and Comprehensive Care (CC) clinic. RESULTS: Comparing the three perspectives, PCAI yielded the highest scores across all domains, followed by SCAI and CCAI (p < .001). SCAI exhibited a better score in Year 5 compared to Year 3 and Year 4 (p = .027). The male students perceived they performed better than females in all domains (p < .05). Patients rated the students higher in the DHE clinic as compared to the CC clinic for the team interaction domain. CONCLUSION: There was an upward pattern of the communication skills score rated from the clinical instructor perspective to the student and patient perspectives. The use of PCAI, SCAI and CCAI collectively gave a complementary view of students' communication performance in all the domains assessed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».