How trainees would disclose medical errors: educational implications for training programmes
Notice bibliographique
Résumé
OBJECTIVES: The disclosure of harmful errors to patients is recommended, but appears to be uncommon. Understanding how trainees disclose errors and how their practices evolve during training could help educators design programmes to address this gap. This study was conducted to determine how trainees would disclose medical errors. METHODS: We surveyed 758 trainees (488 students and 270 residents) in internal medicine at two academic medical centres. Surveys depicted one of two harmful error scenarios that varied by how apparent the error would be to the patient. We measured attitudes and disclosure content using scripted responses. RESULTS: Trainees reported their intent to disclose the error as 'definitely' (43%), 'probably' (47%), 'only if asked by patient' (9%), and 'definitely not' (1%). Trainees were more likely to disclose obvious errors than errors that patients were unlikely to recognise (55% versus 30%; p < 0.01). Respondents varied widely in the type of information they would disclose. Overall, 50% of trainees chose to use statements that explicitly stated that an error rather than only an adverse event had occurred. Regarding apologies, trainees were split between conveying a general expression of regret (52%) and making an explicit apology (46%). Respondents at higher levels of training were less likely to use explicit apologies (trend p < 0.01). Prior disclosure training was associated with increased willingness to disclose errors (odds ratio 1.40, p = 0.03). CONCLUSIONS: Trainees may not be prepared to disclose medical errors to patients and worrisome trends in trainee apology practices were observed across levels of training. Medical educators should intensify efforts to enhance trainees' skills in meeting patients' expectations for the open disclosure of harmful medical errors.
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 | 0,014 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».