Impact of Multimodal Intervention on Empathy Levels in Medical Students: A Questionnaire-Based Study
Notice bibliographique
Résumé
Background Empathy is essential for effective doctor-patient communication. It enables doctors to understand patients' emotions and concerns, facilitating personalized care and support. Empathy can be cultivated through various methods and training programs. Objective The study aims to assess the effectiveness of a multimodal intervention involving interactive lectures, peer role-play, and guided reflection in enhancing empathy levels among second-year medical undergraduate students in India. Methods This study utilized a questionnaire-based, pre- and post-test interventional design. Seventy-nine second-year medical students were included after obtaining their informed consent. The students received the intervention through an interactive lecture on communication skills, role-play on selected case studies, and guided reflection. The empathy levels were assessed using the Toronto Empathy Questionnaire (TEQ) before and after the intervention. The Mann-Whitney U test was utilized to compare pre-test and post-test TEQ scores. A univariate analysis of variance was conducted to explore the relationship between demographic variables and post-test TEQ scores. Statistical significance was considered at p ≤ 0.05. Results The TEQ score improved significantly (p=0.009) after the intervention. The univariate analysis indicated that gender, style of education, and place of residence did not have a statistically significant impact on post-test scores. Conclusion The study demonstrates that a multimodal intervention significantly enhances the empathy level of medical students, highlighting the potential of focused interventions to reduce gender disparities in empathy levels. There were no significant differences in empathy scores based on gender, place of residence, or schooling, suggesting the intervention's benefits may apply to all medical students.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».