Difficult Patient Loss and Physician Culture for Oncologists Grieving Patient Loss
Notice bibliographique
Résumé
BACKGROUND: While caring for critically ill and terminal patients can elicit grief symptoms in health care professionals, few studies have examined oncologists' grief over patient loss using a qualitative approach to inquiry. OBJECTIVES: To explore what makes patient loss difficult for oncologists and to explore the context in which these losses were occurring. METHOD: Twenty oncologists were interviewed at three oncology centers in Canada about their experiences of grief over patient loss. Exclusion criteria included never having lost a patient in their care and being unable to speak English. Data was analyzed using the grounded theory method. RESULTS: Oncologists found patient loss particularly difficult for relational reasons including instances where they felt close to patients and their families, when they had a transference to the patient, when patients died young, when they had long-term patients, and when deaths were unexpected. Contextual reasons included when patients and their families were unprepared for death, had unrealistic expectations about cure, when excessive treatments were perceived to be used, when physicians were blamed for the loss, or when families were chaotic or had high needs. Findings further revealed that these losses were occurring within a physician culture that had a stigma around death and dying, viewed emotion as weakness, was focused on cure, and was gendered. CONCLUSIONS: Effective interventions to help oncologists cope with grief must identify the expectation gaps between physicians and patients when it comes to end-of-life care.
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) | 0,001 | 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 ».