To report or not to report: factors that influence physician error reporting behaviour
Notice bibliographique
Résumé
A significant amount of evidence affirms that medical errors increase the risk of \ninjury and death. In an ideal health care environment, physicians and health care \norganizations would accurately report all medical errors to mitigate reoccurrences and \nincrease patient safety. However, the true incidence of physician error is largely unknown, \nin part, due to underreporting. This under-reporting results in a lack of important data, \nwhich may help us understand and correct error contributors and system design failures. \nIn addition, these errors also pose a significant financial burden on hospital expenses and \nthe healthcare system as a whole. The purpose of this major paper is to identify and \ndescribe, the types of physician error and their causes, the reporting mechanisms of error, \nand the predominant factors which can affect physician error reporting behaviour. The \n"Theory of Planned Behaviour" is used as a means of identifying and illustrating how \ncertain factors can influence error reporting behaviour. Each factor associated with \nphysician error reporting is explained in relation the theory's constructs. The literature \nsearch was conducted electronically using the Laurentian University Library to access \nvarious journals and platforms. The predominant factors that influence reporting are: that \nreporting system and process, psychological safety, manager and supervisor support, \nfeedback for patient safety improvement, teamwork and peer support, as well as lack of \ntime. By addressing the barriers and enablers of physician error reporting, patient safety \nwould increase. We can ensure the same errors do not occur again by addressing the \npredominant factors that affect reporting. Despite efforts to increase reporting, further \nresearch and implementation of practices are needed to reduce the barriers that influence \nphysician error reporting and increase the enablers.
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 | 0,015 | 0,224 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».