Evaluative reports on medical malpractice policies in obstetrics: a rapid scoping review
Notice bibliographique
Résumé
BACKGROUND: The clinical specialty of obstetrics is under particular scrutiny with increasing litigation costs and unnecessary tests and procedures done in attempts to prevent litigation. We aimed to identify reports evaluating or comparing the effectiveness of medical liability reforms and quality improvement strategies in improving litigation-related outcomes in obstetrics. METHODS: We conducted a rapid scoping review with a 6-week timeline. MEDLINE, EMBASE, LexisNexis Academic, the Legal Scholarship Network, Justis, LegalTrac, QuickLaw, and HeinOnline were searched for publications in English from 2004 until June 2015. The selection criteria for screening were established a priori and pilot-tested. We included reports comparing or evaluating the impact of obstetrics-related medical liability reforms and quality improvement strategies on cost containment and litigation settlement across all countries. All levels of screening were done by two reviewers independently, and discrepancies were resolved by a third reviewer. In addition, two reviewers independently extracted relevant data using a pre-tested form, and discrepancies were resolved by a third reviewer. The results were summarized descriptively. RESULTS: The search resulted in 2729 citations, of which 14 reports met our eligibility criteria. Several initiatives for improving the medical malpractice litigation system were found, including no-fault approaches, patient safety policy initiatives, communication and resolution, caps on compensation and attorney fees, alternative payment system and liabilities, and limitations on litigation. CONCLUSIONS: Only a few litigation policies in obstetrics were evaluated or compared. Included documents showed that initiatives to reduce medical malpractice litigation could be associated with a decrease in adverse and malpractice events. However, due to heterogeneous settings (e.g., economic structure, healthcare system) and variation in the outcomes reported, the advantages and disadvantages of initiatives may vary.
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 | 0,082 | 0,305 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,071 | 0,053 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».