Do Plastic Surgery Residents Get Sued? An Analysis of Malpractice Lawsuits
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Trainees may be implicated in malpractice lawsuits. Our study examines malpractice cases involving plastic surgery trainees. Methods: Using the LexisNexis database, verdicts and settlements from appellate state and federal cases between February 1988 and 2020 were queried. A nonrepresentative sample of 300 cases was compiled. Results: During a 32-year period, 21 lawsuits involving plastic surgery trainees were identified. Of these, 14 (66.67%) involved claims when a trainee was directly named as a defendant. Eighteen (85.7%) cases were due to procedural-related adverse outcomes, while three (14.3%) cases were associated with clinical or diagnostic-related adverse outcomes. Of the procedure-related cases, five (27.8%) occurred when the trainee was the lead surgeon. Allegations included lack of informed consent of procedure complications (11, 52.4%), procedural error (11, 52.4%), failure to supervise trainee (11, 52.4%), inexperience of trainee (eight, 38.1%), incorrect diagnosis or treatment (five, 23.8%), delay in evaluation (three, 14.3%), lack of awareness of resident involvement (three, 14.3%), lack of follow-up (three, 14.3%), and prolonged operative time (one, 4.8%). Median time from injury to lawsuit resolution was 3.8 years [interquartile range (IQR), 3-5 years]. Verdicts were ruled in favor of the defense in eight (38.1%) cases and for plaintiff in six (28.6%) cases. A settlement was made in seven (33.3%) cases. Median payout for plaintiff-won cases was $5,100,000 (IQR, $1,530,000-$17,500,000); the median settlement was $2,500,000 (IQR, $262,500-$4,410,000). Conclusions: Procedural error, improper informed consent, improper trainee supervision, and resident inexperience were the most common allegations. These factors can lead to financial and psychological burdens early in a physician's career.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découle