Through a Tainted Lens: A Qualitatve Study of Medical Learners’ Thinking About Patient ‘Deservingness’ of Health Advocacy
Notice bibliographique
Résumé
Introduction: While health advocacy is a key component of many competency frameworks, mounting evidence suggests that learners do not see it as core to their learning and future practice. When learners do advocate for their patients, they characterize this work as 'going above and beyond' for a select few patients. When they think about advocacy in this way, learners choose who deserves their efforts. For educators and policymakers to support learners in making these decisions thoughtfully and ethically, we must first understand how they are currently thinking about patient deservingness. Methods: We conducted qualitative interviews with 29 undergraduate and postgraduate medical learners, across multiple sites and disciplines, to discuss their experiences of and decision-making about health advocacy. We then carried out a thematic analysis to understand how learners decided when and for whom to advocate. Stemming from initial inductive coding, we then developed a deductive coding framework, based in existing theory conceptualizing 'deservingness.' Results: Learners saw their patients as deserving of advocacy if they believed that the patient: was not responsible for their condition, was more in need of support than others, had a positive attitude, was working to improve their health, and shared similarities to the learner. Learners noted the tensions inherent in, and discomfort with, their own thinking about patient deservingness. Discussion: Learners' decisions about advocacy deservingness are rooted in their preconceptions about the patient. Explicit curriculum and conversations about advocacy decisions are needed to support learners in making advocacy decisions equitably.
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 | 0,025 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».