Accounts of Restorative Reconciliation After Medical Injury: Implications for Risk Management
Notice bibliographique
Résumé
This research is a qualitative examination of how patients and families describe their long-term recovery in the aftermath of a significant or fatal accidental patient medical injury (PMI). The research is designed to achieve three objectives: (1) explore the continuing lived experiences of those impacted by PMI, (2) advance industry knowledge and management of PMI response, and (3) build on existing voluntary communication-and-resolution program and PMI management infrastructure to activate the potential of CRP discussions, design, and research. We used qualitative data from interviews with 25 of 27 PMI-impacted individuals across the U.S. and Canada to examine acknowledged and existing knowledge gaps pertaining to patient or surviving family member long-term reconciliation and restorative justice. The research concludes by suggesting an emerging theory of ‘restorative reconciliation’ that begins to delineate an actionable process to advance long term non-compensatory recovery from loss, individual healing, and justice after PMI. We do so by focusing on analysis and synthesis of our data, culminating in our initial discovery of a triad of overarching influencers of an individual’s restorative reconciliation after PMI – the influencing factors of understanding, accepting, and redirecting within a spatial recovery dimensions model.
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 | 0,026 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,042 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».