Enseigner les habiletés de l’entrevue médicale à l’aide de patients simulés tuteurs : données d’un projet pilote
Bibliographic record
Abstract
Contexte : L’enseignement et l’apprentissage des habiletés cliniques à l’aide des patients simulés (PS) est une méthode fréquemment utilisée en médecine. Pour répondre aux difficultés de recrutement de médecins tuteurs, les PS peuvent aussi être impliqués comme formateurs pour les examens physiques ou comme examinateurs pour les examens sommatifs. But : Ce projet pilote vise à examiner l’utilisation de patients simulés comme tuteurs (PST) dans les cliniques simulées pour l’apprentissage de l’anamnèse. Méthodes : Une étude multicas comportant la mise en situation dans les cliniques simulées de 5 PST ayant reçu une formation de 9 h a été réalisée auprès de 20 étudiants en première année de médecine. Au total, 59 questionnaires remplis par les étudiants, les PST et la chercheure principale compilent les scores à propos de l’habileté à consigner les données de l’anamnèse et à offrir de la rétroaction constructive et descriptive à l’étudiant. Résultats : La rétroaction formative donnée par les PST se révèle descriptive et constructive. Le manque de maîtrise de la terminologie médicale chez les PST ressort de l’étude comme une faiblesse qui limite l’interaction. Conclusion : Le PST peut agir comme tuteur à condition de recevoir une formation pratique plus approfondie mettant l’accent sur la rétroaction formative et sur la terminologie médicale. Sa participation devrait être limitée aux séances axées sur la communication. Les résultats suggèrent comme piste de recherche que la validité de la performance des PST soit comparée à celle des médecins tuteurs.
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 | 0.033 | 0.093 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".