US and Canadian Physicians' Attitudes and Experiences Regarding Disclosing Errors to Patients
Notice bibliographique
Résumé
BACKGROUND: Patients are often not told about harmful medical errors. The malpractice environment is considered a major determinant of physicians' willingness to disclose errors to patients. Yet, little is known about the malpractice environment's actual effect on physicians' error disclosure attitudes and experiences. METHODS: Mailed survey of 2637 physicians (62.9% response rate) in the United States (Missouri and Washington) and Canada, countries with different malpractice environments. RESULTS: Physicians' error disclosure attitudes and experiences were similar across country and specialty. Of the physicians, 64% agreed that errors are a serious problem. However, 50% disagreed that errors are usually caused by system failures. Ninety-eight percent endorsed disclosing serious errors to patients and 78% supported disclosing minor errors; 74% thought disclosing a serious error would be very difficult. Fifty-eight percent had disclosed a serious error to a patient, and 85% were satisfied with the disclosure, and 66% agreed that disclosing a serious error reduces malpractice risk. Respondents' estimates of the probability of lawsuits were not associated with their support for disclosure. The belief that disclosure makes patients less likely to sue (odds ratio, 1.58), not being in private practice (odds ratio, 1.47), being Canadian (odds ratio, 1.43), and being a surgeon (odds ratio, 1.26) were independently associated with higher support for disclosing serious errors. CONCLUSIONS: US and Canadian physicians' error disclosure attitudes and experiences are similar despite different malpractice environments, and reveal mixed feelings about disclosing errors to patients. The medical profession should address the barriers to transparency within the culture of medical and surgical specialties.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».