MétaCan
Menu
Retour à la cohorte
Enregistrement W1547356510 · doi:10.1111/medu.12058

Waking up the next morning: surgeons’ emotional reactions to adverse events

2012· article· en· W1547356510 sur OpenAlexaff
Shelly Luu, Priyanka Patel, Laurent St‐Martin, Annie Leung, Glenn Regehr, M. Lucas Murnaghan, Steven Gallinger, Carol‐Anne Moulton

Notice bibliographique

RevueMedical Education · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensHospital for Sick ChildrenThe Wilson CentreUniversity of British ColumbiaUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMorningPsychologyMedicineMedical educationInternal medicine

Résumé

récupéré en direct d'OpenAlex

CONTEXT: The adverse patient event is an inherent component of surgical practice, but many surgeons are unprepared for the profound emotional responses these events can evoke. This study explored surgeons' reactions to adverse events and their impact on subsequent judgement and decision making. METHODS: Using a constructivist grounded theory approach, we conducted 20 semi-structured, 60-minute interviews with surgeons across subspecialties, experience levels, and sexes to explore surgeons' recollections of reactions to adverse events. Further interviews were conducted with six general surgeons to explore more immediate reactions after 28 adverse events. Data coding was both inductive, developing a new framework based on emergent themes, and deductive, using an existing framework for care providers' reactions to adverse events. RESULTS: Surgeons expressed feeling unique and alone in the depths of their reactions to adverse events and consistently described four phases of response, each containing cognitive and emotive components, following such events. The initial phase (the kick) involved feelings of failure ('Am I good enough?') experienced with a significant physiological response. This was shortly followed by a second phase (the fall), during which the surgeon experienced a sense of chaos and assessed the extent of his or her contribution to the event ('Was it my fault?'). During the third phase (the recovery), the surgeon reflected on the adverse event ('What can I learn?') and experienced a sense of 'moving on'. In the fourth phase (the long-term impact), the surgeon experienced the prolonged and cumulative effects of these reactions on his or her own personal and professional identities. Surgeons also described an effect on their clinical judgement, both for the case in question (minimisation) and future cases (overcompensation). CONCLUSIONS: Surgeons progress through a series of four phases following adverse events that are potentially caused by or directly linked to surgeon error. The framework provided by this study has implications for teaching, surgeon wellness and surgeon error.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,004
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,463
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations147
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetPatient Safety and Medication ErrorsTravaux en français237 207