Patient and healthcare professional factors influencing end-of-life decision-making during critical illness: A systematic review*
Notice bibliographique
Résumé
OBJECTIVES: The need for better understanding of end-of-life care has never been greater. Debate about recent U.S. healthcare system reforms has highlighted that end-of-life decision-making is contentious. Providing compassionate end-of-life care that is appropriate and in accordance with patient wishes is an essential component of critical care. Because discord can undermine optimal end-of-life care, knowledge of factors that influence decision-making is important. We performed a systematic review to determine which factors are known to influence end-of-life decision-making among patients and healthcare providers. DATA SOURCES, SELECTION, AND ABSTRACTION: We conducted a structured search of Ovid Medline for interventional and observational research articles incorporating critical care and end-of-life decision-making terms. DATA SYNTHESIS: Of 6259 publications, 102 were relevant to our review question. Patient factors predicting less intensive end-of-life care include increasing age, comorbidity, and limited functional status; these factors appear to be influential for both clinicians and patients. Patient and clinician race, ethnicity, and nationality also appear to influence the technological intensity of end-of-life care. In general, white patients and those in North America and Northern Europe may be less likely to desire intensive end-of-life care than others. Physicians of similar geo-ethnic origin to patients appear less likely to prescribe such therapy. Physicians with more clinical experience and those routinely working in the intensive care unit are less likely than other physicians to recommend technologically intense care for critically ill patients at the end-of-life. CONCLUSIONS: Patients and clinicians may approach end-of-life discussions with different expectations and preferences, influenced by religion, race, culture, and geography. Appreciation of those factors associated with more and less technologically intense care may raise awareness, aid communication, and guide clinicians in end-of-life discussions.
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 | 0,013 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».