Factors Associated with Medico-Legal Events Resulting from Attempted Suicide by Patients in Care: Facteurs associés aux événements médico-légaux résultant de tentatives de suicide de patients en soins.
Notice bibliographique
Résumé
ObjectivesThis study provides an overview of the key medico-legal issues associated with attempted or completed suicide in Canada. Specifically, we identify factors that were criticized and found to contribute to medico-legal risk in these cases.MethodsA national repository was retrospectively searched for cases involving patients who attempted or completed suicide while under the care of a physician. The study included cases closed at the Canadian Medical Protective Association between 2013 and 2023. The study involved in- and outpatients who attempted or completed suicide. The frequencies and proportions of patient safety events and medico-legal risks for physicians were calculated by exploring factors that contributed to each incident.ResultsA total of 378 cases were identified, involving 460 physicians. The majority of patients in these cases experienced a healthcare-related harm (224/378, 59%). Psychiatrists were involved in 61% (231/378) of cases. The most common reasons for patient/family complaints were deficient assessments, diagnostic errors, and communication breakdowns with the patient or their family. The most common contributing factors identified by peer experts were deficient assessments of a suicidal patient and inadequate documentation.ConclusionsThis study addressed the gap in the published literature of healthcare-related contributing risk factors associated with a patient safety incident from Canadian medico-legal cases. The most common omissions identified by peer experts were comprehensive assessment and clear documentation. Physicians treating suicidal patients may reduce their medico-legal risk by completing and documenting thorough and timely suicide risk assessments.Plain Language Summary TitleInvestigation of factors leading to physicians' legal risks when their patients attempted suicide.
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 | 0,001 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».