MétaCan
Menu
Retour à la cohorte
Enregistrement W1569747797 · doi:10.5750/ejpch.v2i3.723

Working through disclosure and apology with the person and family: a humanizing approach to medical error

2014· article· en· W1569747797 sur OpenAlexaff
Richard Hovey, Anna Natoli

Notice bibliographique

RevueEuropean Journal for Person Centered Healthcare · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensDurham CollegeMcGill University
Organismes subventionnairesnon disponible
Mots-clésHarmNarrativeConversationPsychologyHuman errorAdaptation (eye)ForgivenessHealth careSocial psychologyMedicineLawCommunicationPolitical scienceLiterature

Résumé

récupéré en direct d'OpenAlex

Disclosing and communicating a medical error to a person (as patient) and/or family members can be an overwhelming and difficult conversation. The act of disclosing a medical error in addition to an apology is complex, intense and demanding for the person and family with the healthcare provider because it makes transparent which human or systems error(s), has caused the harm. This manuscript re-interprets narrative data from people (patients) and families who have experienced medical harm through an adaptation of Richard Kearney’s threefold approach to working through human trauma: (1) practical understanding, (2) cathartic narrative and (3) forgiveness (pardon) [1]. Through this analytical approach, the emphasis is on the nature of working through trauma as a dynamic process in the interaction among and between healthcare providers, patients and family members.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,526
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,282
Tête enseignante GPT0,407
Écart entre enseignants0,125 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal for Person Centered HealthcareMême sujetPatient Safety and Medication ErrorsTravaux en français237 207