Designing a tool to capture skill acquisition in serious illness conversations among family physicians: a mixed methods study
Notice bibliographique
Résumé
<h3>Context:</h3> A large team of family medicine, palliative, and end-of-life care clinicians, researchers, and educators from across Canada have collaborated to develop and pilot an innovative serious illness educational program called “All providers: Better Communication Skills (ABCs) Program.” This program is intended to increase family physicians’ competency and comfort with serious illness conversations. <h3>Objective:</h3> To design a tool capturing skill acquisition in serious illness conversations in family medicine settings. <h3>Study Design and Analysis:</h3> A Bayesian validation design was adopted using an interviewer-administered mixed-method survey to elicit expert endorsement and perceptions around quality of items. Quantitative data were analyzed descriptively and used to establish Bayesian prior distributions. Qualitative data were analyzed using inductive content analysis. <h3>Setting or Dataset:</h3> National cohort of experts that are collaborating with the ABCs Program. <h3>Population Studied:</h3> Nine experts from the cohort. <h3>Intervention/Instrument:</h3> Relevant items (n=28) from six validated instruments were pooled and slightly revised for improved relevance to the ABCs program. <h3>Outcome Measures:</h3> Quantitative results and qualitative findings were integrated to guide the removal of unnecessary items and adjust the phrasing of retained items. <h3>Results:</h3> On average, participants rated items as having moderate-to-high quality (mean=0.7; range=0-1), though there was considerable heterogeneity across raters (standard deviation: 0.27). Fourteen items showed peak prior distributions less than the sample’s average alpha threshold (0.625), indicating experts’ hesitancy in endorsing these items. Four main categories of recommendations were identified including: change wording/phrasing (often to address ambiguity), include an opening prompt (to ensure preceptors using the tool are on the same page about overarching concepts), consider double-barreledness (to ensure only one concept is being evaluated per item), and remove irrelevant item (as concepts seemed well captured by other preferred items). Following this assessment process, team consensus supported the removal of 15 items. <h3>Conclusions:</h3> We designed and established content validity for a new tool assessing serious illness conversation skills. This tool will be deployed in a pilot trial for further validation with family medicine learners and practitioners, focusing on criterion validity, inter-rater and -item reliability.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».