The quality of obtaining surgical informed consent
Notice bibliographique
Résumé
BACKGROUND: Informed consent goes beyond signing a form; it is a process of providing necessary information, helping patients make an informed decision, and actively participate in their treatment. AIM/OBJECTIVE: This study aimed to assess the quality of obtaining surgical informed consent in hospitals affiliated with Tehran University of Medical Sciences. Research design/participants/context: In a cross-sectional, descriptive-analytical study, 300 patients were chosen through stratified sampling from seven hospitals affiliated with Tehran University of Medical Sciences. Data were collected using a questionnaire developed by the researchers and analyzed using descriptive and analytical statistics on SPSS software. Ethical considerations: Ethical approval of this study was granted by Tehran University of Medical Sciences research ethics committee. Written informed consent for participation was obtained. The participants were reassured that their information will be used anonymously and their answers will not affect their treatment and care. FINDINGS: The mean score of quality of acquisition of informed consent was 17.13 out of 35, indicating that the quality falls in the inappropriate category. The results indicate that 48% of the signatories do not even read the form before signing it. Among the 52% who did read the consent form, 61.3% mentioned varying degrees of incomprehensibility of the consent form and 94.2% mentioned the presence of incomprehensible technical, medical and legal vocabulary. Only 12% and 18% of respondents reported that they were not in hurry and they had no fear or anxiety, respectively, when signing the form. The quality of obtaining informed consent was higher in women, younger patients, patients with higher education, and those who had special surgeries. DISCUSSION: This study shows a poor practice in obtaining surgical informed consent in Iran. It seems necessary to consider fundamental changes in the process of acquiring consent based on the temporal and local conditions of the 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 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 | 0,113 | 0,266 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».