The Physician’s Achilles Heel—Surviving an Adverse Event
Notice bibliographique
Résumé
Background: Of hospitalized patients in Canada, 7.5% experience an adverse event (AE). Physicians whose patients experience AES often become second victims of the incident. The present study is the first to evaluate how physicians in Canada cope with aes occurring in their patients. Methods: Survey participants included oncologists, surgeons, and trainees at the Foothills Medical Centre, Calgary, AB. The surveys were administered through REDCap (Research Electronic Data Capture, version 9.0: REDCap Consortium, Vanderbilt University, Nashville, TN, U.S.A.). The Brief COPE (Coping Orientation to Problems Experienced) Inventory, the IES-R (Impact of Event Scale–Revised), the Causal Dimension Scale, and the Institutional Punitive Response scale were used to evaluate coping strategies, prevalence of post-traumatic stress, and institutional culture with respect to AES. Results: Of 51 responses used for the analysis, 30 (58.8%) came from surgeons and 21 (41.2%) came from medical specialists. On the IES-R, 54.9% of respondents scored 24 or higher, which has been correlated with clinically concerning post-traumatic stress. Individuals with a score of 24 or higher were more likely to report self-blame (p = 0.00026) and venting (p = 0.042). Physicians who perceive institutional support to be poor reported significant post-traumatic stress (p = 0.023). On multivariable logistic regression modelling, self-blame was associated with an IES-R score of 24 or higher (p = 0.0031). No significant differences in IES-R scores of 24 or higher were observed between surgeons and non-surgeons (p = 0.15). The implications of AES for physicians, patients, and the health care system are enormous. More than 50% of our respondents showed emotional pathology related to an AE. Higher levels of self-blame, venting, and perception of inadequate institutional support were factors predicting increased post-traumatic stress after a patient AE. Conclusions: Our study identifies a desperate need to establish effective institutional supports to help health care professionals recognize and deal with the emotional toll resulting from AES.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».