Characterizing Resident Preferences for Faculty Involvement and Support in Disclosing Medical Errors to Patients
Notice bibliographique
Résumé
BACKGROUND: Residents may be commonly involved with medical errors and need faculty support when disclosing these to patients. OBJECTIVE: We characterized residents' preferences for faculty involvement and support during the error disclosure process. METHODS: We surveyed residents from internal medicine, pediatrics, emergency medicine, general and orthopedic surgery, and obstetrics and gynecology residency programs at the University of Toronto in 2014-2015 about their preferences for faculty involvement across a variety of different error scenarios (ie, error type, severity, and proximity) and for elements of support they perceive to be most helpful during the disclosure process. RESULTS: Over 90% of the 192 respondents (N = 538, response rate 36%) wanted direct involvement in the error disclosure process, irrespective of type or severity of the error. Residents were relatively comfortable disclosing prescription and communication errors without direct faculty involvement but preferred faculty involvement when disclosing diagnostic and management errors. When errors were severe, many residents still wanted to be involved but preferred having faculty lead the disclosure. Residents particularly wanted to participate in the process when they felt responsible for the error. Residents highly valued receiving faculty advice on how to manage consequences and how to prevent future errors in preparing for disclosure, as well as receiving postdisclosure feedback and personal support. CONCLUSIONS: Residents are willing participants in the error disclosure process and have specific preferences for faculty involvement and support. These findings can inform faculty development to ensure appropriate support and supervision for residents when disclosing errors to patients.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».