Support for healthcare workers and patients after medical error through mutual healing: another step towards patient safety
Notice bibliographique
Résumé
BACKGROUND: Medical errors, especially those resulting in patient harm, have a negative psychological impact on patients and healthcare workers (HCWs). Healing may be promoted if both parties are able to work together and explore the effect and outcome of the event from each of their perspectives. There is little existing research in this area, even though this has the potential to improve patient safety and wellness for both HCWs and patients. METHODS: Using a patient-oriented research approach with constructive grounded theory methodology, we examined the potential for patients and HCWs to heal together after harm from a medical error. Individual interviews were conducted and transcribed verbatim. We conducted concurrent data collection and analysis according to grounded theory principles. With our findings, we created a framework and visual breakdown of the communication process between patients and HCWs. RESULTS: Our findings suggest that, after a medical error causing harm, both patients and HCWs have feelings of empathy and respect towards each other that often goes unrecognised. Barriers to communication for patients were related to their perception that HCWs did not care about them, showed no remorse or did not admit to the error. For HCWs, communication barriers were related to feelings of blame or shame, and fear of professional and legal consequences. Patients reported needing open and transparent communications to help them heal, and HCWs required leadership and peer support, including training and space to talk about the event(s). DISCUSSION: Our resulting framework suggests that if there was an opportunity for an open and purposeful conversation early or before increased emotional suffering, there might be an opportunity to bridge the barriers, and help patients and HCWs heal together. This, in turn, contributes to improved health quality and patient safety.
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 | 0,033 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,019 |
| Communication savante | 0,015 | 0,017 |
| Science ouverte | 0,004 | 0,023 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».