Decision Making and End-of-Life Care in Critically Ill Children
Notice bibliographique
Résumé
OBJECTIVES: 1) To comment on the medical literature on decision making regarding end-of-life therapy, 2) to analyze the data on disagreement about such therapy, including palliative care, and withholding and withdrawal practices for critically ill children in the pediatric intensive care unit (PICU), and 3) to make some general recommendations. DATA SOURCES AND STUDY SELECTION: All papers published in peer-reviewed journals, and all chapters on end-of-life therapy, or on conflict between parents and caregivers about end-of-life decisions in the PICU were retrieved. RESULTS: We found three case series, three systematic descriptive studies, two qualitative studies, four surveys, and many legal opinions, editorials, reviews, guidelines, and book chapters. The main determinants of end-of-life decisions are the child's age, premorbid cognitive condition and functional status, pain or discomfort, probability of survival, and quality of life. Risk factors in persistent conflict between parents and caregivers about end-of-life care include a grave underlying condition or an unexpected and severe event. CONCLUSION: Making decisions about end-of-life care is a frequent event in the PICU. Children may need both intensive care and palliative care concurrently at different stages of their illness. Disagreements are more likely to be resolved if the root cause of the conflict is better understood.
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 | 0,045 | 0,205 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,015 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».