Disruptive behavior in the operating room
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Disruptive workplace behavior can have serious consequences to clinicians, institutions, and patients. There is a range of disruptive behaviors, and the consequences are often underappreciated. The purpose of this manuscript is to review the definition, prevalence, consequences, prevention, and management of disruptive behavior in the operating room. RECENT FINDINGS: Although a small minority of operating room clinicians act disruptively, 98% of clinicians report having recently been exposed to disruptive behavior, with the average being 64 events per clinician per year. The causes include intrapersonal factors, workplace relationships, workplace logistics, and broader contextual factors. Disruptive behavior undermines patient care by decreasing individual and team clinical performance. It decreases clinician well being, sets a poor example for medical students who are susceptible to negative role models, and decreases hospital efficiency. The way that clinicians respond to disruptive behavior may either exacerbate or reduce the consequences of the behavior. In order to prevent disruptive behavior, the causes must be addressed. Institutions must have robust policies to deal with disruptive behavior and have preventive measures that include regular staff education. Whenever disruptive behavior does occur, it must be expeditiously addressed, which may include graded discipline. SUMMARY: Disruptive intraoperative behavior is prevalent and harms multiple parties in the operating room. Institutions require comprehensive measures to prevent the behavior and to mitigate consequences.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».