MétaCan
Menu
Retour à la cohorte
Enregistrement W1986938117 · doi:10.1177/0741088312439877

Creating Discursive Order at the End of Life

2012· article· en· W1986938117 sur OpenAlexaffabout
Catherine F. Schryer, Allan McDougall, Glendon R. Tait, Lorelei Lingard

Notice bibliographique

RevueWritten Communication · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePatient Dignity and Privacy
Établissements canadiensUniversity of TorontoDalhousie UniversityWestern UniversityToronto Metropolitan University
Organismes subventionnairesNational Cancer Institute
Mots-clésDignityPalliative careRhetorical questionNegotiationNursingIntervention (counseling)PsychologyEnd-of-life carePsychotherapistAutonomySociologySocial psychologyMedicineLawSocial sciencePolitical scienceLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

This article investigates an emerging practice in palliative care: dignity therapy. Dignity therapy is a psychotherapeutic intervention that its proponents assert has clinically significant positive impacts on dying patients. Dignity therapy consists of a physician asking a patient a set of questions about his or her life and returning to the patient with a transcript of the interview. After describing the origins of dignity therapy, the authors use a rhetorical genre studies framework to explore what the dignity interview is doing, how it shapes patients’ responses, and how patients improvise within the dignity interview’s genre ecology. Based on a discourse analysis of the interview protocol and 12 dignity interview transcripts (legacy documents) gathered in two palliative care settings in Canadian hospitals, the findings suggest that these patients appear to be using the material and genre resources (especially eulogistic strategies) associated with dignity therapy to create discursive order out of their life events. This process of genre negotiation may help to explain the positive psychotherapeutic results of dignity therapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0150,048
Communication savante0,0140,012
Science ouverte0,0020,012
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,317
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWritten CommunicationMême sujetPatient Dignity and PrivacyTravaux en français237 207