Personal Characteristics and Learning Preference in End-of-Life Decision Making of Chronically Ill Community Dwelling Elders
Notice bibliographique
Résumé
Leigh Ann Bonney, RN, MSN; Susan Kossman, RN, PhD; MyoungJin Kim, PhD; Wendy Woith, PhD, Caroline Mallory, PhD Illinois State University, Mennonite College of Nursing Personal Characteristics and Learning Preference in End-of-Life Decision Making of Chronically Ill Community Dwelling Elders Purpose and Background: Clear decision-making (DM) about end-of-life [EOL] contributes to a good death This requires knowledge of life-sustaining treatment with lack of knowledge contributing to feelings of decisional conflict Decision aids can increase knowledge, but elders' preferred learning methods are unknown. Identifying characteristics associated with preferred learning method and decisional conflict can help nurses tailor information to assist in end-of-life (EOL) DM . The purpose of this study is to identify factors associated with EOL DM in chronically ill community-dwelling elders Conceptual framework: The Ottawa Decision Support Framework (O'Connor, 2006). Method: Exploratory, descriptive study using paper or online surveys with a convenience sample of community dwelling, chronically ill elders over age 75. Survey included: Population Needs Assessment, Newest Vital Sign assessment [health literacy], Symptom Distress Scale, and the 16-item Decisional Conflict Scale Research questions are: a) What patient characteristics are associated with decisional conflict about EOL DM? b) What factors are associated with preferences for decision aid to assist EOL care learning? c) What is the feasibility of using an online survey methodology? Results: N =115 [15 online, 100 paper surveys]. Participants were Caucasian, predominately female [68.7%] with a mean age of 81.6. Most felt they were adequately knowledgeable about EOL options [78.3%] and treatment [78.8%]. Decision support preferences were booklets/pamphlets [22.6%] and discussion with healthcare providers [58.3%]. Education beyond high school was significantly associated with lower decisional conflict [R2 = __ . p = .017]. High School or lower education was associated with preferences for booklet/pamphlet decision aid [p=.039]. No statistically significant associations among characteristics and preferences for discussion with healthcare providers. Fifteen surveys were completed online out of 74 instances of surveys opened. Conclusions: These findings mirror other studies of younger participants. Data suggests that chronically ill community-dwelling elders over age 75 prefer to learn about EOL by talking to their healthcare provider and/or from a booklet/pamphlet. Findings indicate that more education leads to less decisional conflict.. The feasibility of online surveys seems limited in this population. Keywords: End of life, decision making, decisional conflict Note: The research team consisted of my research chair - Dr. Susan Kossman and members of my committee: Dr. Caroline Mallory, Dr.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».