Doctors' emotional reactions to recent death of a patient: cross sectional study of hospital doctors
Notice bibliographique
Résumé
OBJECTIVES: To describe doctors' emotional reactions to the recent death of an "average" patient and to explore the effects of level of training on doctors' reactions. DESIGN: Cross sectional study using quantitative and qualitative data. SETTING: Two academic teaching hospitals in the United States. PARTICIPANTS: 188 doctors (attending physicians (equivalent to UK consultants), residents (equivalent to UK senior house officers), and interns (equivalent to UK junior house officers)) who cared for 68 patients who died in the hospital. MAIN OUTCOME MEASURES: Doctors' experiences in providing care, their emotional reactions to the patient's death, and their use of coping and social resources to manage their emotions. RESULTS: Most doctors (139/188, 74%) reported satisfying experiences in caring for a dying patient. Doctors reported moderate levels of emotional impact (mean 4.7 (SD 2.4) on a 0-10 scale) from the death. Women and those doctors who had cared for the patient for a longer time experienced stronger emotional reactions. Level of training was not related to emotional reactions, but interns reported needing significantly more emotional support than attending physicians. Although most junior doctors discussed the patient's death with an attending physician, less than a quarter of interns and residents found senior teaching staff (attending physicians) to be the most helpful source of support. CONCLUSIONS: Doctors who spend a longer time caring for their patients get to know them better but this also makes them more vulnerable to feelings of loss when these patients die. Medical teams may benefit from debriefing within the department to give junior doctors an opportunity to share emotional responses and reflect on the patient's death.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».