Prevalence of abusive encounters in the workplace of family physicians: a minor, major, or severe problem?
Notice bibliographique
Résumé
OBJECTIVE: To examine the career prevalence of abusive encounters for family physicians in Canada. DESIGN: A 7-page cross-sectional mailed survey in English and French. SETTING: Canada. PARTICIPANTS: A total of 3802 randomly selected practising family physicians who were members of the College of Family Physicians of Canada. MAIN OUTCOME MEASURES: Demographic characteristics of survey participants, career prevalence of abusive encounters, and perpetrators of abuse. MAIN FINDINGS: Twenty percent (20.4%) of the surveys (n = 774) were returned. Of the respondents, 44% were men and 56% were women. Most were in private practice in urban settings. The average number of years in practice was 15. The career prevalence of abusive encounters was divided into "minor," "major," and "severe" incidents. Of all the respondents, 98% had experienced at least 1 incident of minor abuse, 75% had experienced at least 1 incident of major abuse, and 39% had experienced at least 1 incident of severe abuse. Using chi(2) analysis, a number of demographic variables were found to be significantly associated with abuse including the physician's race and sex. Patients were the most common perpetrators of abuse. Ninety percent of family physicians surveyed reported that they had been abused by patients, while 70% reported that they had been abused by family members of patients. CONCLUSION: Approximately 2 in 5 family physicians surveyed were subjected to a considerable amount of severe abuse during practice. Abuse in the office setting might have grave consequences for the health and well-being of the victimized physicians and might hinder service retention where the risk of abuse is greatest.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».