Is clinician refusal to treat an emerging problem in injury compensation systems?
Notice bibliographique
Résumé
OBJECTIVE: The reasons that doctors may refuse or be reluctant to treat have not been widely explored in the medical literature. To understand the ethical implications of reluctance to treat there is a need to recognise the constraints of doctors working in complex systems and to consider how these constraints may influence reluctance. The aim of this paper is to illustrate these constraints using the case of compensable injury in the Australian context. DESIGN: Between September and December 2012, a qualitative investigation involving face-to-face semistructured interviews examined the knowledge, attitudes and practices of general practitioners (GPs) facilitating return to work in people with compensable injuries. SETTING: Compensable injury management in general practice in Melbourne, Australia. PARTICIPANTS: 25 GPs who were treating, or had treated a patient with compensable injury. RESULTS: The practice of clinicians refusing treatment was described by all participants. While most GPs reported refusal to treat among their colleagues in primary and specialist care, many participants also described their own reluctance to treat people with compensable injuries. Reasons offered included time and financial burdens, in addition to the clinical complexities involved in compensable injury management. CONCLUSIONS: In the case of compensable injury management, reluctance and refusal to treat is likely to have a domino effect by increasing the time and financial burden of clinically complex patients on the remaining clinicians. This may present a significant challenge to an effective, sustainable compensation system. Urgent research is needed to understand the extent and implications of reluctance and refusal to treat and to identify strategies to engage clinicians in treating people with compensable injuries.
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 | 0,067 | 0,255 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,023 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,013 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».