Motivations of physicians and nurses to practice voluntary euthanasia: a systematic review
Notice bibliographique
Résumé
BACKGROUND: While a number of reviews have explored the attitude of health professionals toward euthanasia, none of them documented their motivations to practice euthanasia. The objective of the present systematic review was to identify physicians' and nurses' motives for having the intention or for performing an act of voluntary euthanasia and compare findings from countries where the practice is legalized to those where it is not. METHODS: The following databases were investigated: MEDLINE/PubMed (1950+), PsycINFO (1806+), CINAHL (1982+), EMBASE (1974+) and FRANCIS (1984+). Proquest Dissertations and Theses (1861+) was also investigated for gray literature. Additional studies were included by checking the references of the articles included in the systematic review as well as by looking at our personal collection of articles on euthanasia. RESULTS: This paper reviews a total of 27 empirical quantitative studies out of the 1 703 articles identified at the beginning. Five studies were in countries where euthanasia is legal and 22 in countries where it is not. Seventeen studies were targeting physicians, 9 targeted nurses and 1 both health professionals. Six studies identified the motivations underlying the intention to practice euthanasia, 16 the behavior itself and 5 both intention and behavior. The category of variables most consistently associated with euthanasia is psychological variables. All categories collapsed, the four variables most frequently associated with euthanasia are past behavior, medical specialty, whether the patient is depressed and the patient's life expectancy. CONCLUSIONS: The present review suggests that physicians and nurses are motivated to practice voluntary euthanasia especially when they are familiar with the act of euthanasia, when the patient does not have depressive symptoms and has a short life expectancy and their motivation varies according to their medical specialty. Additional studies among nurses and in countries where euthanasia is legal 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 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 | 0,017 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».