Enseignement à la communication en médecine générale par la simulation : un retour d'expérience
Bibliographic record
Abstract
La communication en santé est essentielle à la qualité, la sécurité des soins, et au développement d’une approche centrée patient. Elle fait partie des compétences indispensables à acquérir lors de la formation initiale en médecine générale. Cette étude décrit l’élaboration et l’évaluation de séances d’enseignement de la communication par la simulation de consultations en milieu ambulatoire, à destination des internes de première année de médecine générale. Notre méthode pédagogique reposait sur la participation de patient simulés. Les consultations, avec l’interne de première année dans le rôle du médecin, étaient filmées et retransmises en directe. L’innovation résidait dans le fait que les patients simulés étaient des pairs internes en deuxième année de médecine générale. La communication du médecin était évaluée par l’intermédiaire du guide Calgary Cambridge : auto-évaluation et hétéro-évaluation par les enseignants et pairs observateurs. Les opinions des internes sur l’enseignement ont été recueillies par entretien semi directifs. Une analyse thématique de ces entretiens a ensuite été réalisée. Deux séances de simulation se sont déroulées dans les locaux d’une Maison de Santé Pluriprofessionnelle de Nice, en présence d’internes de médecine générale, d’étudiants en psychologie, d’un enseignant en médecine générale et d’un psychologue. Concernant l’évaluation formative : l’hétéro-évaluation de la communication était concordante entre les enseignants alors que l’hétéro-évaluation réalisée par les pairs était plus hétérogène. Les étudiants, très satisfaits de cet enseignement, souhaitent la généralisation de ces séances. Pour eux le recours aux patients simulés, l’environnement proche du réel, l’implication des pairs et l’inter-professionnalité sont des leviers à l’apprentissage de la communication.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".