Understanding nurses’ and physicians’ fear of repercussions for reporting errors: clinician characteristics, organization demographics, or leadership factors?
Notice bibliographique
Résumé
BACKGROUND: Identifying and understanding factors influencing fear of repercussions for reporting and discussing medical errors in nurses and physicians remains an important area of inquiry. Work is needed to disentangle the role of clinician characteristics from those of the organization-level and unit-level safety environments in which these clinicians work and learn, as well as probing the differing reporting behaviours of nurses and physicians. This study examines the influence of clinician demographics (age, gender, and tenure), organization demographics (teaching status, location of care, and province) and leadership factors (organization and unit leadership support for safety) on fear of repercussions, and does so for nurses and physicians separately. METHODS: A cross-sectional analysis of 2319 nurse and 386 physician responders from three Canadian provinces to the Modified Stanford patient safety climate survey (MSI-06). Data were analyzed using exploratory factor analysis, multiple linear regression, and hierarchical linear regression. RESULTS: Age, gender, tenure, teaching status, and province were not significantly associated with fear of repercussions for nurses or physicians. Mental health nurses had poorer fear responses than their peers outside of these areas, as did community physicians. Strong organization and unit leadership support for safety explained the most variance in fear for both nurses and physicians. CONCLUSIONS: The absence of associations between several plausible factors including age, tenure and teaching status suggests that fear is a complex construct requiring more study. Substantially differing fear responses across locations of care indicate areas where interventions may be needed. In addition, since factors affecting fear of repercussions appear to be different for nurses and physicians, tailoring patient safety initiatives to each group may, in some instances, be fruitful. Although further investigation is needed to examine these and other factors in detail, supportive safety leadership appears to be central to reducing fear of reporting errors for both nurses and physicians.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».