Two decades of dental malpractice litigations in Türkiye: a retrospective matched cohort study analyzing legal and clinical outcomes
Notice bibliographique
Résumé
BACKGROUND: This methodological study aims to provide a comprehensive database of dental malpractice cases in Türkiye over the past 20 years, with a focus on the patterns of malpractice claims across different specialties and settings, as well as the characteristics of the events that give rise to litigation. The study also seeks to clarify to raise awareness of patient safety among dental practitioners to enhance care quality and liability risk management by providing insights into the legal outcomes of malpractice cases. METHODS: A total of 100 dental malpractice claims spanning 23 years (2000-2023) were included in this retrospective, matched cohort study. The cases were categorized into four groups: Malpractice; Complication; Undetermined; and Unresolved. The analysis focused on various legal and clinical variables, including the type of dental treatment, the physician's level of duty, the presence of auxiliary healthcare personnel, the type of healthcare institution, the legal outcome of the case (decision, settlement, and compensation status), the reasons for filing the malpractice claim, and the appointment of expert witnesses. Data were analyzed using the chi-square test and Fisher's Exact Test, with statistical significance set at p < 0.05. RESULT: The majority of cases were related to prosthodontics (31%) and oral surgery (24%), followed by oral diagnosis (14%), implantology (12%), orthodontics (9%), endodontics (5%), restorative dentistry (2%), pedodontics (2%), and periodontology (1%). The most common reason for malpractice claims was incorrect treatment (88%), followed by incomplete treatment (33%), misdiagnosis (32%), patient fault (21%), treatment delays (19%), lack of follow-up (16%), failure to obtain informed consent (10%), delays in diagnosis (3%), document forgery (3%), and infectious disease (2%). CONCLUSION: This study highlights the importance of thorough planning, assessments, and preventive measures in dental practice, particularly in prosthodontics, oral surgery, and implantology, which involve invasive procedures, prolonged treatments, and high costs-factors that contribute to higher patient dissatisfaction and increased malpractice risks. Addressing these factors through improved oversight and decision-making could reduce the frequency of litigation and minimize legal disputes.
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 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 | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».