Exploring Uniformity of Clinical Judgment: A Vignette Approach to Understanding Healthcare Professionals’ Suicide Risk Assessment Practices
Notice bibliographique
Résumé
Objectives Suicide risk assessment often requires health professionals to consider a complex interplay of multiple factors, with a significant reliance on judgment, which can be influenced by factors such as education and experience. Our study aimed at assessing the uniformity of decision making around suicide risk within healthcare professionals. Methods We used a factorial survey approach to gather information on healthcare professionals’ demographics, clinical experience, and their decision on 3 vignettes of patients with suicidal ideation. We used Kruskal-Wallis tests for determining if there were significant differences between groups for continuous variables and Spearman rank correlation for measuring the association between continuous variables. Content analysis was used for analyzing free-text comments. Results Responses were gathered from 79 healthcare professionals (nurses, nurse practitioners, physicians) who worked in primary care, mental health, or emergency department settings. Median suicide risk rates across all respondents were 90%, 50%, and 53% for vignettes 1, 2, and 3, respectively. Confidence in healthcare professionals’ decisions was significantly associated with the clinical designation and personal risk profile of the healthcare professional in certain vignettes, with nurses and those willing to take more risks having a higher confidence in their decisions for vignettes 1 and 3, respectively. Treatment decision was significantly associated with mental health experience (i.e., those with lengthier mental health experiences were less likely to choose “admit to psychiatry ward” for vignette 2), clinical designation (i.e., nurses were more likely to “admit to psychiatry ward” for vignette 1), and practice setting. It should be noted that these associations were not consistent across all 3 vignettes, and results for each association were only specific to 1 of the 3 vignettes. Discussion Findings compare decision-making practices for suicide risk assessment across several types of healthcare professions over a range of practice settings, with the high-risk vignette showing the least variability. Insights from this study are relevant when building clinical decision support systems for suicide risk assessment. Designers should think about incorporating tailored messaging and alerts to health professionals’ mental health experience and/or designation. Conclusions Within our Canadian sample, there was considerable variability among healthcare professionals assessing the risk of suicide, with important implications for tailoring education and decision support.
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 | 0,043 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».