How do general end-of-life treatment goals and values relate to specific treatment preferences? A population-based study
Notice bibliographique
Résumé
BACKGROUND: There is a lack of research on the relationship between general end-of-life goals and values and preferences for specific life-sustaining treatments. AIM: To examine agreement between Dutch older people's general end-of-life goals and specific life-sustaining treatment preferences. DESIGN: Participants identified general end-of-life goals in an interview and preferences for four life-sustaining treatments in hypothetical cancer and dementia scenarios in a separate questionnaire. Agreement between general goals and specific treatment preferences was calculated. SETTING/PARTICIPANTS: In total, 1818 older people from 11 representative Dutch municipalities participated in the study. RESULTS: In total, 1168 (response rate 73%) answered questions on general end-of-life and specific treatment preferences. Agreement between a desire to live as long as possible, irrespective of health problems, and a preference for life-sustaining treatments ranged from 51% to 76% in cancer and 41% to 60% in dementia scenarios, depending on the treatment. Agreement between a desire for a shorter life, if without major health problems, and a preference to forgo treatments ranged from 61% to 79% in cancer and 75% to 88% in dementia scenarios. CONCLUSION: For a sizable minority of participants, specific treatment preferences did not agree with their general end-of-life goals. The more frequent desire to forgo treatments in case of dementia than cancer suggests that physical deterioration is more acceptable than cognitive decline. The findings underline the importance of discussing general care goals, different end-of-life scenarios and the risks and burdens of treatments to frame discussions of more specific treatment preferences.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».