Impact of a longitudinal course on medical professionalism on the empathy of medical students
Notice bibliographique
Résumé
OBJECTIVE: Medical education should enhance empathy. We examined, using self-assessment instruments and standardized patients (SPs), the impact on empathy, of a multi-year intervention (years 4-6 of medical training) that uses reflective learning approaches. METHODS: 241 final-year medical students participated; 110 from the 2018 graduation class (non-intervention group) and 131 from the 2019 graduation class (intervention group). Participants completed two self-reported empathy questionnaires - the Jefferson Scale of Empathy-Students (JSE-S) and the Interpersonal Reactivity Index (IRI) - and a personality questionnaire, the NEO Five-Factor Inventory. Additionally, SPs in a simulated station assessed participants' empathy with two patient-reported instruments: the Consultation and Relational Empathy (CARE) scale and the Jefferson Scale of Patient Perceptions of Physician Empathy (JSPPPE). RESULTS: Empathy scores were significantly higher in the intervention group compared to the non-intervention group when assessed by the SP (p < 0.001). No differences were found in self-reported questionnaires between the two groups. CONCLUSION: A longitudinal, multi-year reflection-based intervention enhanced empathy amongst medical students as assessed by SPs, but not when assessed by student self-reported measures. PRACTICE IMPLICATIONS: Multi-year reflective learning interventions during clinical training nurture empathy in medical students. Assessments completed by SPs or patients may enhance the evaluation of empathy.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».