Education modalities for serious illness communication training: A scoping review on the impact on clinician behavior and patient outcomes
Notice bibliographique
Résumé
BACKGROUND: Several clinician training interventions have been developed in the past decade to address serious illness communication. While numerous studies report on clinician attitudes and confidence, little is reported on individual education modalities and their impact on actual behavior change and patient outcomes. AIM: To examine what is known about the education modalities used in serious illness communication training and their impact on clinician behaviors and patient outcomes. DESIGN: A scoping review using the Joanna Briggs Methods Manual for Scoping Reviews was conducted to examine studies measuring clinician behaviors or patient outcomes. DATA SOURCES: Ovid MEDLINE and EMBASE databases were searched for English-language studies published between January 2011 and March 2023. RESULTS: = 5); though they were inconsistently structured. Studies reporting improved clinician skills tended to be in simulation settings with neither clinical practice nor patient outcomes explored. While some studies reported behavior changes or improved patient outcomes, they did not necessarily confirm improvements in clinician skills. As multiple modalities were commonly used and often embedded within quality improvement initiatives, the impact of individual modalities could not be determined. CONCLUSION: This scoping review of serious illness communication interventions found heterogeneity among education modalities used and limited evidence supporting their effectiveness in impacting patient-centered outcomes and long-term clinician skill acquisition. Well-defined educational modalities and consistent measures of behavior change and standard patient-centered outcomes are needed.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».