Utveckling av kommunikativ och empatisk förmåga- en studentdriven modell i läkarutbildningen
Bibliographic record
Abstract
Bakgrund: God kommunikativ och empatisk förmåga hos läkare skapar trygghet och upplevs som professionellt av patienter och närstående. Forskning visar att empati förbättrar patienters följsamhet, nöjdhet och relationen mellan läkare och patient, vilket i sin tur leder till högre vårdkvalitet, bättre behandlingsresultat och minskade vårdkostnader. Ett empatiskt förhållningssätt främjar både fysisk och psykisk hälsa hos patienter och deras familjer.Eftersom dessa färdigheter är avgörande för god vård, behöver de aktivt tränas och utvecklas under läkarutbildningen. Att ge och ta emot konstruktiv feedback är en central metod för att främja denna utveckling.Syfte: Syftet med denna läraraktivitet är att träna och utveckla studenters kommunikativa och empatiska förmåga. Metoden ska främja självstyrt lärande med fokus på feedback och självreflektion, och vara studentdriven.Metod: Modellen bygger på simulerade patient-läkarmöten som dokumenteras med videoteknik. Den främjar en dynamisk och ömsesidig lärandeprocess med fokus på konstruktiv feedback. Calgary-Cambridge Referenced Observational Guide (CCROG) erbjuder ett strukturerat ramverk för kommunikationsfärdigheter som kan tillämpas i olika kliniska miljöer för att förbättra anamnesupptagande och samtal med patienter. Consultation and Relational Empathy Measure (CARE) är ett validerat verktyg för att bedöma empatisk förmåga i kliniska sammanhang, med särskilt fokus på relationen mellan läkare och patient. Studenterna utvärderar varandras kommunikativa och empatiska förmåga utifrån CCROG och CARE. Läraren fungerar som mentor och stödjer aktivt lärande samt progression under utbildningen. Modellen strävar efter en rättvis behandling av studenten – där aktiviteter kan utföras när det passar individen, med möjlighet till upprepning – samt en hållbar användning av lärarresurser.Diskussion: Empatisk förmåga är en grundläggande komponent i kommunikationen mellan läkare och patient – effektiv kommunikation förutsätter empati, och empati förmedlas genom kommunikationen. Denna studentdrivna läraraktivitet syftar till att stärka båda dessa färdigheter genom aktivt lärande, där studenter tränas i att ge och ta emot konstruktiv feedback samt att ta ansvar för sin egen professionella utveckling.Det pedagogiska värdet i modellen ligger i dess fokus på feedbackprocessen och i att utveckla studentens förmåga att bli feedbackkompetent – en nyckelkompetens för livslångt lärande och professionell utveckling inom läkaryrket.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.027 | 0.004 |
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".