Medico-legal Closed Case Trends in Canadian Plastic Surgery: A Retrospective Descriptive Study
Notice bibliographique
Résumé
To enhance patient safety and prevent medico-legal complaints, we need to understand current trends and impacts. We aimed to characterize Canadian plastic surgery medico-legal patterns in many dimensions. METHOD: This retrospective descriptive analysis of Canadian Medical Protective Association data between January 1, 2013 and December 31, 2017 included closed regulatory body complaints and civil-legal actions involving plastic surgeons. We excluded class action legal cases and hospital complaints. We collected data on patient allegations, procedure types, healthcare-related patient harms, and peer expert criticisms. The primary outcome of interest was physician medico-legal outcome. RESULTS: We found 414 cases that met the inclusion criteria: 253 (61.1%) cases involved cosmetic procedures and 161 (38.9%) noncosmetic procedures. The annual incidence among plastic surgeon members of regulatory body complaints and civil-legal actions was 12.1% and 6.7%, for a combined incidence of 18.8%. The most common allegations were deficient clinical assessment, inadequate informed consent, delayed or misdiagnosis, and inadequate monitoring. Leading contributing factors were physician-patient communication breakdown, deficient clinical judgments, and inadequate documentation. The top procedural complications included cosmetic deformity, poor scarring, upper extremity stiffness or deficit, major structural injury, and mental health disorder. Less than half of cases (198/414, 47.8%) had unfavorable medico-legal outcomes for the surgeon. Patients were compensated in 86/198 (43.4%) of civil-legal cases. CONCLUSIONS: Plastic surgeons experience more medico-legal complaints for cosmetic versus noncosmetic procedures. To minimize medico-legal risks, plastic surgeons should focus on strong physician-patient communication, patient education/consent, thorough clinical assessment, minimizing potentially preventable complications, and maintaining relevant documentation.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».