Grief reactions and impact of patient death on pediatric oncologists
Notice bibliographique
Résumé
BACKGROUND: To examine pediatric oncologists' grief reactions to patient death, and the impact patient death has on their personal and professional lives. PROCEDURE: The grounded theory method was used. Data was collected between March 2012 and July 2012 at two academic centres in Canada. Twenty-one out of 34 eligible pediatric oncologists at different stages of their career were recruited and interviewed about their experiences with patient death. Inclusion criteria were: being able to speak English and having had a patient die in their care. The participants formed three groups of oncologists at different stages of career including: fellows, junior oncologists, and senior oncologists who varied in sub-specialties, gender, and ethnicities. RESULTS: Pediatric oncologists reported a range of reactions to patient death including sadness, crying, sleep loss, exhaustion, feeling physically ill, and a sense of personal loss. They also reported self-questioning, guilt, feelings of failure and helplessness. The impact of these deaths had personal consequences that ranged from irritability at home, feeling disconnected from family members and friends, and becoming more desensitized towards death, to gaining a greater and more appreciative perspective on life. Professional impacts included concern about turnover or burnout at work and improving holistic care as a result of patient deaths. CONCLUSIONS: Grief over patient death and the emotional labour involved in these losses are a robust part of the pediatric oncology workplace and have major impacts on pediatric oncologist's personal and professional lives. Interventions that focus on how to help pediatric oncologists deal with these reactions are needed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».