Patient trainer in postgraduate family medicine training: A quality improvement initiative
Notice bibliographique
Résumé
Context: In Quebec, the mission of the university family medicine groups (U-FMG) is to train family medicine residents (FMRs) to provide exemplary, interprofessional collaborative, integrated front-line health care and services. FMRs participate in Practice-Based Learning Program (PBLP) workshops as part of their clinical training. PBLP workshops enable FMRs to learn in small groups, facilitated by a team of teaching professionals. In August 2022, the U-FMG Notre-Dame attempted to innovate its teaching by engaging a patient trainer (PT) in a PBLP workshop to improve the quality of FMRs’ PBLP training on chronic obstructive pulmonary disease and smoking cessation. Objective: Exploring the perspective of FMRs on the involvement of a PT in the PBLP offered in U-FMG. Study Design and Analysis: Explanatory Sequential Design. Firstly, the experience of the FMRs was explored using a questionnaire developed and validated. Subsequently, a focus group was conducted to deepen the results obtained in the quantitative phase. Setting or Dataset: Quantitative data were analyzed using descriptive statistics, while qualitative data were analyzed using combined deductive-inductive content analysis. Population studied: The study involved first- and second-year FMRs who had completed their doctorate in Quebec. Intervention: Involvement of a PT in a 3-hour PBLP workshop on chronic obstructive pulmonary disease (COPD) and smoking cessation, after prior preparation of the PT with the PBLP workshop’s teaching professionals. Outcome Measures: FMRs’ perspective of PT utilities to their training. Results: All FMRs (n=16) completed the questionnaire, and 4 FMRs participated in the focus group. Most FMRs mentioned improving their knowledge of patient-partnered care after the workshop, except for improving their understanding of patients’ rights. The main issues reported by the FMRs concerned the lack of preparation on the part of the PT and the FMRs, their difficulties in communicating points of view different from those of the patient, and in fully understanding the role of the PT and recognizing his experiential knowledge. Conclusions: The contribution of PT to the training of FMRs is promising and could be evaluated more extensively to improve the quality of training. FMRs suggested ways to improve the contribution of PT to training.
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 | 0,061 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».