Understanding and measuring clinician-patient relationship qualities in the setting of serious illness to promote healthcare quality and equity: A manuscript-based thesis
Notice bibliographique
Résumé
Background: Serious illnesses pose many challenges to patients and their caregivers.They contribute to multiple forms of distress: physical, psychological, social, and spiritual.Relationships, including those between clinicians and patients, have the potential to mitigate patient suffering and promote experiences of growth and integrity through the illness journey and up to and beyond the end of life.Indeed, they are critical to processes of meaning making and the maintenance of these relationships is often the focus of patients' goals.Threats to the quality of clinical relationships are many and include systemic factors, such as poor healthcare access or clinician time, and interpersonal factors, such as language concordance and implicit bias.Despite their importance, we know little about the experience of clinician-patient relationships in the setting of potential interpersonal challenges, and little about how to measure relationship quality as a primary outcome of research and care.Objectives: (1) To examine the scope of current literature on valid survey instruments that assess the quality of relationships between people affected by serious illness and clinicians; and (2) To explore the qualities of healing clinician-patient relationships from the perspective of patients from visible minority groups who have received palliative care in Canada. Methods:In the first manuscript, we conducted a scoping review based on Arksey and O'Malley's (2005) framework and PRISMA-ScR guidelines.We included studies from CINAHL, Embase, and PubMed that describe the validation of survey instruments assessing care experiences of patient populations affected by serious illness.We categorized relationshipfocused items based on empirically derived domains of relationship quality.In the second Measuring the quality of patient-provider relationships in serious illness
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 | 0,017 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».