Empathy in Action: Collegiate Athletic Trainers’ Approaches to Delivering Bad News and Setting Patient Goals
Notice bibliographique
Résumé
Context Empathy involves understanding another person’s feelings, thoughts, and experiences and can improve patient outcomes and adherence to treatment recommendations. For athletes, unexpected time away from sport can be devastating, making the delivery of bad news by athletic trainers (ATs) crucial. After delivering bad news, setting patient goals is essential for optimal clinical outcomes. In this study, we explored the role of empathy in delivering bad news and patient goal setting by collegiate ATs. Design Nonexperimental, mixed-methods observational study. Methods Ninety-six collegiate ATs (age = 35 ± 11 years) participated. They completed the Toronto Empathy Questionnaire (0–64, higher scores indicate more empathy), the communicating bad news instrument (25–75, higher scores indicate better performance), and answered questions about their experiences in delivering bad news and with patient goal setting. Participants completed an applied, open-ended response for delivering bad news and simulated medical documentation, which were analyzed using the SPIKES protocol and a chart audit rubric. Descriptive statistics were calculated, and Mann-Whitney U tests compared empathy groups with goal setting and chart audit results. Pearson correlation assessed the relationship between perceived and actual goal-setting behaviors. Results Collegiate ATs’ average self-reported scores met or exceeded previously published empathy levels. All ATs had delivered bad news, but only 22.9% received formal training. The average score for the delivering-bad-news tool was 50%. Participants included 43% of the goal-setting criteria in their responses. Physical goals were included by 85.5% of ATs, but lifestyle goals were included by 28.1%. Conclusion Despite feeling knowledgeable and confident in delivering bad news and setting goals, a gap exists between perceived and actual practices. Despite high comfort levels and the use of structured formats like SMART goals, many ATs do not consistently set measurable goals, highlighting the need for improved training on goal setting.
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 | 0,012 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».