From challenge to growth: Exploring physician narratives of patient complaints during residency
Notice bibliographique
Résumé
INTRODUCTION: Patient complaints are an important feedback mechanism for healthcare quality improvement and medical education, and their impact on postgraduate medical trainees (residents) remains under-explored. This study investigates the narratives of physicians who received formal patient complaints during residency, focusing on how these incidents influenced their professional development and career trajectories. METHODS: Using narrative inquiry, we conducted semi-structured interviews with 35 physicians who experienced formal patient complaints during their residency. We applied Ricoeur's narrative theory to explore the impact of these complaints on physicians. RESULTS: The analysis revealed two main elements of participants' narratives: emplotment and refiguration. During emplotment, participants initially constructed narratives centered on distress and stigma, often positioning themselves as confused and isolated. This process frequently involved a reevaluation of their professional capabilities and identity as an effective physician. Refiguration demonstrated how participants integrated these experiences into their long-term professional identities, revealing impacts on clinical practices, specialty choices and career paths. Despite initial challenges, many participants reframed their early complaint experiences as catalysts for professional growth, particularly in areas such as communication and collegial support. CONCLUSIONS: Patient complaints during residency can have a destabilizing effect on professional identity formation. However, supportive educational environments and adequate mentorship can mitigate these effects and enhance learning. This study underscores the need for medical education programmes to incorporate systems that support residents in effectively addressing and learning from patient complaints while maintaining a focus on patient safety and quality improvement.
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 | 0,011 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».