Visualizing Empathy in Patient-Practitioner Interactions Using Eye-Tracking Technology: Proof-of-Concept Study
Notice bibliographique
Résumé
Background: Communication between medical practitioners and patients in health care settings is essential for positive patient health outcomes. Nonetheless, researchers have paid scant attention to the significance of clinical empathy in these interactions as a practical skill. Objective: This study aims to understand clinical empathy during practitioner-patient encounters by examining practitioners' and patients' verbal and nonverbal behaviors. Using eye-tracking techniques, we focused on the relationship between traditionally assessed clinical empathy and practitioners' actual gaze behavior. Methods: We used mixed methods to understand clinical encounters by comparing 3 quantitative measures: eye-tracking data, scores from the Korean version of the Jefferson Scale of Empathy-Health Professional, and Consultation and Relational Empathy survey scores. We also conducted qualitative interviews with patients regarding their encounters. Results: One practitioner and 6 patients were involved in the experiment. Perceived empathy on the part of the practitioner was notably higher when the practitioner focused on a patient's mouth area during the consultation, as indicated by gaze patterns that focused on a patient's face. Furthermore, an analysis of areas of interest revealed different patterns in interactions with new as opposed to returning patients. Postconsultation interviews suggested that task-oriented and socially oriented empathy are critical in aligning with patients' expectations of empathetic communication. Conclusions: This proof-of-concept study advocates a multidimensional approach to clinical empathy, revealing that a combination of verbal and nonverbal behaviors significantly reinforces perceived empathy from health care workers. This evolved paradigm of empathy underscores the profound consequences for medical education and the quality of health care delivery.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».