Malpractice litigation in diagnostic radiology with special focus on cases in the abdomen and pelvis: A comprehensive analysis from a national legal database
Notice bibliographique
Résumé
OBJECTIVE: Diagnostic radiology is regarded as a "high-risk" specialty in the medical malpractice literature. This study examines the causes and patterns and types of medical malpractice litigation and outcomes in radiology in the United States, with a particular focus on diagnostic radiology errors involving the abdomen and pelvis. METHODS: Malpractice suits in which the defendant was a radiologist in the United States from 2008 to 2018 were identified using LexisAdvance, a national legal database. 2775 cases were initially identified, and 1165 cases fit the inclusion criteria. RESULTS: Diagnostic error was the most prevalent error type, (n = 925, 82.9 %), followed by procedural errors (n = 106, 9.5 %), communication errors (66 cases, 5.9 %), and mixed/other errors (n = 19, 1.7 %). Breast was the most common imaging modality implicated in medical error (n = 211, 26.4 % of total cases), followed by CT (n = 186, 23.3 %), and XR (n = 146, 18.3 %). Out-of-court settlement was the most common outcome (n = 402, 44.5 %), followed by a verdict ruled in favor of the defendant (n = 246, 27.2 %) and case dismissal (n = 131, 14.5 %). The average award in a settlement was $1,500,690 USD (range: $25,000- $10,200,000 USD). The average award in a jury verdict for the plaintiff was $2,857,203 USD (range: $60,000- $31,490,000 USD), and the average award in arbitration for the plaintiff was $1,354,497 USD (range: $200,000- $2,800,000 USD). The gastrointestinal (GI) system and the genitourinary (GU) system accounted for 51.9 % and 25.9 % of errors in the abdomen and pelvis, respectively. DISCUSSION: Diagnostic error was the most prevalent source of error leading to malpractice litigation. Breast imaging was the most frequently implicated imaging modality in litigations, followed closely by CT and XR. A majority of cases were resolved through out-of-court settlement or with judgments in favor of the defendant radiologists. However, in cases with trial judgments in favor of the plaintiff, average financial awards were higher than out-of-court settlements. Abdomen and pelvic involvement accounted for frequent sources of error.
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 | 0,001 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».