Élaboration de supports audiovisuels intégrant une formation à l'empathie pour les internes de médecine générale en Poitou-Charentes
Notice bibliographique
Résumé
Introduction Empathy is a necessary skill for general practitioners. It would reduce burnout and strengthen the doctor-patient relationship. Yet, empathy is still poorly addressed in the physicians studies, who unconsciously weaken their empathy skills over the years. Objective The main objective was to create an educational tool that could fit into empathy training for general medical residents in Poitou Charente. The aim was to improve the professionalism of general practitioners. Methodology The Delphi method was used. A group of 21 experts were involved, mainly general practitioners residents. Three stages had to take place in order to obtain three consultation scenarios between a general practitioner and a patient, himself a healthcare professional. The aim was to identify differences between doctors' sympathy or empathy expression. First, three scenario topics were selected. Then each scenario was written, using the Calgary Cambridge grid. Finally, the experts were asked to validate these scenarios using the Likert scale. Results Three Delphi rounds discussions were needed to select the three topics of the first stage. When reading the database that included the experts proposals, every recurring item was built in the scenario. The written texts were validated in the first round of the third phase, with an average of over 7/10 for each. Discussion Despite a time-consuming method, only 5 experts ended up withdrawing from the study, 3 of whom were non-physicians. Convergence in the ideas gathered from the group, as well as proofreading from two researchers helped limiting the information analysis bias. Conclusion The development of empathy training in the context of medical studies will enable residents to tackle difficult consultations with appropriate communication tools, while protecting themselves from the burnout that sympathy can induce.
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».