Exploring effective learning sessions to enhance self-awareness and promote interest in self-care among medical professionals
Notice bibliographique
Résumé
Background
 Self-awareness among medical professionals is becoming more important. However, it is difficult to practice self-awareness unless consciously. We held in-hospital learning sessions to enhance self-awareness and to support self-care of medical professionals. The session introduced mindfulness, meditation, and self-care from the perspectives of "psychological safety" and "end-of-life care."
 Objective
 To investigate the effects of sessions based on participants' reactions.
 Methods
 A self-administered questionnaire was distributed to 128 medical professionals who participated in the sessions, and the free description was analyzed according to the qualitative coding procedure.
 Results
 As a result of analyzing the contents of 97 entries described in the free description of the questionnaire. Six categories were generated in the end: Stressful experience, Active practice of meditation, The need for self-care, Knowledge of mindfulness, Healing through narrative, Self-awareness through the learning session.
 Discussion
 Stressful experience about "psychological safety" and "end-of-life care" were narrated. We found that they are receptive to mindfulness, meditation, and self-care, and want to actively incorporate it. The experience of self-awareness was enhanced through the learning sessions. Introducing meditation, mindfulness, and self-care as methods of coping with specific stresses in clinical settings was effective in enhancing self-awareness among medical professionals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».