Challenges Faced by Pediatric Oncology Fellows When Patients Die During Their Training
Notice bibliographique
Résumé
PURPOSE: Given the paucity of research on the experience of pediatric oncology fellows regarding patient death, the purpose of this study was to explore the specific challenges that pediatric oncology fellows face when patients die during their training. METHODS: Six pediatric oncology fellows at two academic cancer centers in Ontario, Canada, were interviewed about their experiences with patient death during their fellowship training. The grounded theory method of data collection and data analysis was used. Line-by-line coding was used to establish themes, and constant comparison was used to establish relationships among emerging codes and themes. RESULTS: Fellows reported structural challenges that included ward duty and lack of follow-up opportunities with bereaved families. Personal challenges included feelings of vulnerability as a result of being a trainee, inexperience with patient death, and feeling alone with one's reactions to patient death. Relational challenges included duration of relationships with families and with supervising staff and perceived lack of modeling on how to cope with patient deaths. CONCLUSION: Structural changes to the fellowship model can be made in order to enhance support with patient death, including informing fellows of all patient deaths and incorporating fellows into follow-up practices with bereaved families. Moreover, integrating fellows' debriefing (facilitated by grief counselors) after a patient death into fellow training, as well as greater involvement with palliative care physicians, can lessen feelings of isolation and help fellows learn effective strategies for dealing with patient deaths from experienced palliative care physicians.
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 | 0,004 | 0,009 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».