Notice bibliographique
Résumé
BACKGROUND: Our university offers an interprofessional program to medical students in Year 1 of a 4-year undergraduate medical program: Health professional students learn from a health mentor-someone living with a chronic condition. This helps foster patient-centredness, empathy and communication skills. Long-term assessment of patient involvement in medical education is rare; thus, this study explores the lasting effects of 3-year post-program at entry-to-practice. METHODS: We conducted a case-based study of fourth-year medical students to evaluate the impact of learning from patients in the Health Mentors Program (HMP). Students analysed a video case of a person with cerebral palsy who fell at home and created a care plan. We compared students who participated in the HMP with those who did not, assessing how often they considered the patient's and caregiver's perspectives, the number of diagnostic tests ordered and referrals to other professionals and community services. FINDINGS: T-tests showed that HMP students significantly prioritised the patient's and caregiver's voices (p = 0.014, Cohen's d = 0.6) and ordered fewer diagnostic tests than non-HMP students (p = 0.001, Cohen's d = 3.3). However, there were no significant differences in medical consults, referrals to allied health professionals or community services. CONCLUSIONS: This was the first, limited attempt to use case-based assessments to measure the long-term impact of patient-centred learning. Integrating patient perspectives into preclinical education may enhance students' ability to work collaboratively with patients in care planning. Designing structured assessments around patient-centred care can help ensure that students retain and apply these skills in their clinical careers.
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 | 0,002 | 0,026 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».