Cultivating ethnocultural empathy in healthcare: The effects of multilingualism and cross-cultural experiences
Notice bibliographique
Résumé
Introduction: Empathy is a multidimensional construct essential to effective healthcare delivery, encompassing general, clinical, and ethnocultural components. While the importance of empathy in clinical settings is well-established, limited research has examined how these distinct dimensions interrelate and what sociodemographic factors may influence them. This study aimed to investigate the relationships among general, clinical, and ethnocultural empathy in healthcare professionals in Greece, and to identify sociodemographic predictors of higher empathy levels. Methods: A cross-sectional study was conducted during the first quarter of 2022, involving a convenience sample of 106 healthcare professionals (medical and nursing staff) from public hospitals across Greece. Participants completed an electronic questionnaire distributed via professional Facebook groups. The instrument included the Toronto Empathy Questionnaire (TEQ), the Jefferson Scale of Empathy – Health Professional Version (JSE-HP), the Scale of Ethnocultural Empathy (SEE), and a sociodemographic survey. Data were analyzed using SPSS 26.0, employing descriptive statistics, Pearson correlation coefficients, and stepwise linear regression. Results: Significant positive correlations were observed among general, clinical, and ethnocultural empathy scores. Higher levels of education, foreign language proficiency, and prior intercultural experiences (such as studying or living abroad) emerged as significant predictors of increased empathy across all three domains. Discussion: The findings support the interconnected nature of empathy types and suggest that intercultural exposure may enhance empathic capacity, echoing Allport’s contact hypothesis. These insights have implications for healthcare education, highlighting the need to integrate ethnocultural empathy training to foster inclusivity and improve patient-centered care in increasingly diverse clinical environments.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».