MétaCan
Menu
Retour à la cohorte
Enregistrement W4392865054 · doi:10.1186/s12909-024-05270-z

Cultivating compassion in medicine: a toolkit for medical students to improve self-kindness and enhance clinical care

2024· article· en· W4392865054 sur OpenAlexaboutno aff
Krisha Mehta, Shafkat Salam, Austin Hake, Rebecca B. Jennings, Afra Rahman, Stephen G. Post

Notice bibliographique

RevueBMC Medical Education · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMindfulness and Compassion Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompassionCurriculumMindfulnessMedical educationPsychologyEmpathyScale (ratio)MedicineClinical psychologyPedagogySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Compassionate care lies at the foundation of good patient care and is a quality that patients and providers continue to value in the fast-paced setting of contemporary medicine. Compassion is often discussed superficially in medical school curricula, but the practical aspect of learning this skill is often not taught using a formal framework. In the present work, the authors present an 8-session curriculum with a mindfulness-based approach to compassion that addresses this need. It is hypothesized that students in this curriculum will improve in their levels of compassion based on validated scales. METHODS: The curriculum was delivered to fourth-year medical students at Renaissance School of Medicine at Stony Brook University who had just completed their clerkship year. It was developed as a customizable set of modules that could be delivered in various ways. The students were taught with evidence-based cognitive exercises followed by group discussions and written reflections based on compassion-focused thematic questions. All students completed a pre- and post-Self-Compassion Scale, Compassion Scale, and Toronto Mindfulness Scale. Students in this course were compared with students in different courses about non-clinical topics delivered at the same time. Wilcoxon Signed Rank tests and Mann Whitney U tests were used to assess potential associations between pre- and post-survey responses for the validated scales and subscales. RESULTS: 17 fourth-year medical students completed pre- and post-course tests, 11 participated in the compassion curriculum while 6 participated from the other courses. Before any of the courses began, all students performed similarly on the pre-test across all scales. The students in the compassion curriculum demonstrated a significant increase in their total Self-Compassion score by 8.7 [95% CI 4.3 to 13.2] points (p = 0.008), total Compassion score by 6.0 [95% CI 1.4 to 10.6] points (p = 0.012), and the curiosity component of the Toronto Mindfulness Scale by 4.4 [95% CI 1.0 to 7.7] points (p = 0.012). There was no statistically significant difference between pre- and post-tests among the non-compassion curriculum students in the aforementioned scales (p = 0.461, p = 0.144, p = 0.785, respectively). CONCLUSIONS: Our results indicate that the students in our course developed an enhanced ability to engage in self-compassion, to understand the shared human experience, and to be motivated to act to alleviate suffering. Regardless of a program's existing compassion education, this customizable model allows for easy integration into a medical student's crowded curriculum. Furthermore, although teaching compassion early and often in a clinician's training is desirable, our study that targeted fourth-year medical students suggests an additional benefit of rekindling the loss of compassion well described in a medical student's clinical years.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,694
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,515
Écart entre enseignants0,474 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetMindfulness and Compassion InterventionsTravaux en français237 207