MétaCan
Menu
Retour à la cohorte
Enregistrement W2791089504 · doi:10.1177/1367493518765220

Views of children, parents, and health-care providers on pediatric disclosure of medical errors

2018· article· en· W2791089504 sur OpenAlexafffund
Donna Koller, Sherry Espin

Notice bibliographique

RevueJournal of Child Health Care · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensToronto Metropolitan UniversitySickKids FoundationHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health ResearchHospital for Sick Children
Mots-clésCLARITYStakeholderMedicineFocus groupHealth careNursingFamily medicineMEDLINEPublic relationsBusiness

Résumé

récupéré en direct d'OpenAlex

Despite the prevalence of medical errors in pediatrics, little research examines stakeholder perspectives on the disclosure of adverse events, particularly in the case of children’s own perspectives. Stakeholder perspectives, however, are integral to informing processes for pediatric disclosure. Building on a systematic review of the literature, this article presents findings from a series of focus groups with key pediatric stakeholders where perspectives were sought on the disclosure of medical errors. Focus groups were conducted with three stakeholder groups. Participants included child members of the Children’s Council from a large pediatric hospital ( n = 14), parents of children with chronic medical conditions ( n = 5), and health-care providers including physicians, nurses, and patient safety professionals ( n = 27). Children acknowledged various disclosure approaches while citing the importance of children’s right to know about errors. Parents generally identified the need for full disclosure and the uncovering of hidden errors. Health-care providers were concerned about the process of disclosure and whether it always served the best interest of the child or family. While some health-care providers addressed the need for more clarity in pediatric policies, most stakeholders agreed that a case-by-case approach was necessary for supporting variations in how medical errors are disclosed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,050
score de la tête « metaresearch » (Gemma)0,121
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,121
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,006
Communication savante0,0040,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,434
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Child Health CareMême sujetPatient Safety and Medication ErrorsTravaux en français237 207