Beyond medical errors: exploring the interpersonal dynamics in physician-patient relationships linked to medico-legal complaints
Notice bibliographique
Résumé
BACKGROUND: Previous research suggests that medico-legal complaints often arise from various factors influencing patient dissatisfaction, including medical errors, physician-patient relationships, communication, trust, informed consent, perceived quality of care, and continuity of care. However, these findings are not typically derived from actual patients' cases. This study aims to identify factors impacting the interpersonal dynamics between physicians and patients using real patient cases to understand how patients perceive doctor-patient relational problems that can lead to dissatisfaction and subsequent medico-legal complaints. METHODS: We conducted a retrospective study using data from closed medical regulatory authority complaint cases from the Canadian Medical Protective Association (CMPA) between January 1, 2015, and December 31, 2020. The study population included patients who experienced sepsis and survived, with complaints written by the patients themselves. A multi-stage standardized thematic analysis using Braun and Clarke's approach was employed. Two researchers independently coded the files to ensure the reliability of the identified codes and themes. RESULTS: Thematic analysis of 50 patient cases revealed four broad themes: (1) Ethics in physician's work, (2) Quality of care, (3) Communication, and (4) Healthcare system/policy impacting patient satisfaction. Key sub-themes included confidentiality, honesty, patient involvement, perceived negligence, perceived lack of concern, active engagement and empathy, transparency and clarity, informed consent, respect and demeanor, lack of resources, long wait times, and insufficient time with physicians. CONCLUSIONS: This study identifies and categorizes various factors impacting relational issues between physicians and patients, aiming to increase patient satisfaction and reduce medico-legal cases. Improving physicians' skills in areas such as communication, ethical practices, and patient involvement, as well as addressing systemic problems like long wait times, can enhance the quality of care and reduce medico-legal complaints. Additional training in communication and other skills may help promote stronger relationships between physicians and 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 | 0,018 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».