Conflict Prevention, Conflict Mitigation, and Manifestations of Conflict During Emergency Department Consultations
Notice bibliographique
Résumé
OBJECTIVES: The objective was to determine the causes of and mitigating factors for conflict between emergency physicians and other colleagues during consultations. METHODS: From March to September 2010, a total of 61 physicians (31 residents and 30 attendings from emergency medicine [EM], internal medicine, and general surgery) were interviewed about how junior learners should be taught about emergency department (ED) consultations. During these interviews, they were asked if and how conflict manifests during the ED consultation process. Two investigators reviewed the transcripts independently to generate themes related to conflict until saturation was reached. Disagreements were resolved by consensus. The trustworthiness of the analysis was ensured by generating an audit trail, which was subsequently audited by an investigator not involved with the initial analysis. This analysis was compared to previously proposed models of trust and conflict from the sociology and business literature. RESULTS: All participants recalled some manifestation of conflict. There were 12 negative conflict-producing themes and 10 protective conflict-mitigating themes. When comparing these themes to a previously developed model of the domains of trust, each theme mapped to domains of the model. CONCLUSIONS: Conflict affects the ED consultation process. Areas that lead to conflict are identified that map to previous models of trust and conflict. This work extends the current understanding about intradisciplinary conflict in the clinical realm. These new findings may improve the understanding of the nature of conflicts that occur and form the foundation for interventions that may decrease conflict during ED consultations.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 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) | 0,003 | 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 ».