MétaCan
Menu
Retour à la cohorte
Enregistrement W4416864755 · doi:10.69849/revistaft/ni10202511301214

FERRAMENTAS QUE PODEM SER UTILIZADAS NA AVALIAÇÃO DA EMPATIA DOS PROFISSIONAIS DE SAÚDE: REVISÃO INTEGRATIVA

2025· article· W4416864755 sur OpenAlexaboutno aff
Allana Renally Cavalcante Santos de Moraes, Pedro Jorge de Almeida Romão, Eclésio Cavalcante Santos, Maria Emília Oliveira de Queiroga, Leonardo Leitão Batista, Edenilson Cavalcante Santos

Notice bibliographique

RevueRevista fisio&terapia. · 2025
Typearticle
Langue
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmpathyInterpersonal Reactivity IndexEmotional intelligenceInterpersonal communicationScale (ratio)Health care

Résumé

récupéré en direct d'OpenAlex

Empathy is an essential skill in healthcare practice, associated with effective communication, treatment adherence, and patient satisfaction. The measurement of empathy has gained increasing attention, leading to the development and adaptation of several psychometric tools. This study aimed to identify and describe the main instruments available for assessing empathy in health professionals, considering their applicability, assessed dimensions, and psychometric validity. An integrative literature review was conducted in the PubMed, SciELO, and LILACS databases, covering the period from 2011 to 2025, using the descriptors “Empathy,” “Health Professionals,” “Assessment,” “Measurement Instruments,” and “Humanization of Care.” Twenty-four articles were selected. The main instruments identified were the Jefferson Scale of Physician Empathy (JSPE), Interpersonal Reactivity Index (IRI), Consultation and Relational Empathy Measure (CARE), and Toronto Empathy Questionnaire (TEQ). The Empathy Quotient (EQ) also showed solid psychometric performance. A trend of empathy decline during medical training and the influence of occupational factors were observed. It is concluded that measuring empathy is essential to strengthen humanized practices and support educational and care policies in health.

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)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,367
Écart entre enseignants0,335 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista fisio&terapia.Même sujetEmpathy and Medical EducationTravaux en français237 207