Skills of Internal Medicine Residents in Disclosing Medical Errors: A Study Using Standardized Patients
Notice bibliographique
Résumé
PURPOSE: To determine internal medicine (IM) residents' ability to disclose a medical error using standardized patients (SPs) and to survey residents' experiences of disclosure. METHOD: In 2005, 42 second-year IM residents at the University of Toronto participated in the study. Each resident disclosed one medical error (insulin overdose) to an SP. The SP and a physician observer scored performance using a rating scale (1 = not performed, 2 = performed somewhat, and 3 = performed well) that measures error disclosure on five specific component skills and that provides an overall assessment score (scored on a five-point scale, 5 = high). Residents also completed a questionnaire. RESULTS: The mean scores on the five components were explanation of medical facts (2.60), honesty (2.31), empathy (2.47), future error prevention (1.99), and general communication skills (2.47). The residents' mean overall disclosure score was 3.53. Although 27 of 42 residents (64%) reported previous experience in disclosing an error to a patient during their training, only 7 (27%) of these residents reported receiving any feedback about their performance. Of 41 residents, 21 (51%) had received some prior training in disclosure, and 38 (93%) thought additional training would be useful and relevant. CONCLUSIONS: Disclosing medical error is now a standard practice. Experience with medical error begins early in training, and preparing trainees to discuss these errors is essential. Areas exist for improvement in residents' disclosure abilities, particularly regarding the prevention of future errors. Curricula to increase residents' skills and comfort in disclosure need to be implemented. Most residents would welcome further training.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».