Dying Well After Discontinuing the Life-Support Treatment of Dialysis
Notice bibliographique
Résumé
BACKGROUND: Cessation of life-prolonging treatments precedes death in an increasing number of cases, but little attention has been accorded to the quality of dying. OBJECTIVE: To examine the quality of dying following dialysis termination. PATIENTS AND METHODS: A prospective cohort, observational study involved 6 dialysis clinics in the United States and 2 clinics in Canada, and 131 adult patients receiving maintenance dialysis who died after treatment cessation. Sixty percent (n = 79) underwent patient (n = 23) and/or family (n = 76) interviews and follow-up with caretakers. A quality of dying tool quantified duration, pain and suffering, and psychosocial factors. RESULTS: The sample was 59% female, the age was 70.0+/-1.2 years old, the duration of dialysis was 34.0+/-2.8 months, and death occurred 8.2+/-0.7 days after the last dialysis treatment. (Data are given as mean +/- SE.) Thirty-eight percent of the subjects who completed the protocol were judged to have had very good deaths, 47% had good deaths, and 15% had bad deaths. During the last day of life, 81% of the sample did not suffer, although 42% had some pain and an additional 5% had severe pain. According to the psychosocial domain of the quality of dying measure, patients who died at home or with hospice care had better deaths than those who died in a hospital or nursing home. CONCLUSIONS: Most deaths following withdrawal of dialysis were good or very good. The influence of site of death and physician attitudes about decisions to stop life support deserves more research attention. Quality of dying tools can be used to establish benchmarks for the provision of terminal 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) | 0,004 | 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 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 ».