Choosing Your Words Carefully
Notice bibliographique
Résumé
BACKGROUND: A gap exists between patients' desire to be told about medical errors and present practice. Little is known about how physicians approach disclosure. The objective of the present study was to describe how physicians disclose errors to patients. METHODS: Mailed survey of 2637 medical and surgical physicians in the United States (Missouri and Washington) and Canada (national sample). Participants received 1 of 4 scenarios depicting serious errors that varied by specialty (medical and surgical scenarios) and by how obvious the error would be to the patient if not disclosed (more apparent vs less apparent). Five questions measured what respondents would disclose using scripted statements. RESULTS: Wide variation existed regarding what information respondents would disclose. Of the respondents, 56% chose statements that mentioned the adverse event but not the error, while 42% would explicitly state that an error occurred. Some physicians disclosed little information: 19% would not volunteer any information about the error's cause, and 63% would not provide specific information about preventing future errors. Disclosure was affected by the nature of the error and physician specialty. Of the respondents, 51% who received the more apparent errors explicitly mentioned the error, compared with 32% who received the less apparent errors (P<.001); 58% of medical specialists explicitly mentioned the error, compared with 19% of surgical specialists (P<.001). Respondents disclosed more information if they had positive disclosure attitudes, felt responsible for the error, had prior positive disclosure experiences, and were Canadian. CONCLUSIONS: Physicians vary widely in how they would disclose errors to patients. Disclosure standards and training are necessary to meet public expectations and promote professional responsibility following 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,288 | 0,339 |
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 source (Gemma direct ou Codex distillé), 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 ».