Mea Culpa: Apology Legislation, Accountability and Care
Notice bibliographique
Résumé
Abstract Increasingly, jurisdictions are adopting “apology legislation” that allow medical professionals to apologize to patients and family members when an adverse event occurs while disallowing the introduction of the apology in a liability case as evidence of fault or liability. While apology legislation itself is fairly straightforward, its potential meaning and impact is much more complex. This paper conceptualizes apology legislation from an accountability and ethics of care perspective. These two concepts—accountability and care—are distinct but interrelated concepts and this dual theoretical approach offers a rich analysis on the potential impact(s) of apology legislation. We argue that apology legislation is a mechanism added to the existing accountability regime that can offer important opportunities to express and practise care. As an accountability mechanism, apology legislation creates space for an accountability relationship to emerge between medical professionals and their patients. Apology legislation also addresses long-standing gaps in how we as a society think about health care and respond to patients and families in ways that challenge the dominant “consumer of services” role. It is in this sense that apology legislation has the potential to destabilize traditional notions of social citizenship. Last, we argue that empirical research is urgently needed to know to what degree apologies contribute to accountability and the transformation of health care.
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 | 0,012 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,037 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».