Surveying End-of-Life Medical Decisions in France: Evaluation of an Innovative Mixed-Mode Data Collection Strategy
Notice bibliographique
Résumé
BACKGROUND: Monitoring medical decisions at the end of life has become an important issue in many societies. Built on previous European experiences, the survey and project Fin de Vie en France ("End of Life in France," or EOLF) was conducted in 2010 to provide an overview of medical end-of-life decisions in France. OBJECTIVE: To describe the methodology of EOLF and evaluate the effects of design innovations on data quality. METHODS: EOLF used a mixed-mode data collection strategy (paper and Internet) along with follow-up campaigns that employed various contact modes (paper and telephone), all of which were gathered from various institutions (research team, hospital, and medical authorities at the regional level). A telephone nonresponse survey was also used. Through descriptive statistics and multivariate logistic regressions, these innovations were assessed in terms of their effects on the response rate, quality of the sample, and differences between Web-based and paper questionnaires. RESULTS: The participation rate was 40.0% (n=5217). The respondent sample was very close to the sampling frame. The Web-based questionnaires represented only 26.8% of the questionnaires, and the Web-based secured procedure led to limitations in data management. The follow-up campaigns had a strong effect on participation, especially for paper questionnaires. With higher participation rates (63.21% and 63.74%), the telephone follow-up and nonresponse surveys showed that only a very low proportion of physicians refused to participate because of the topic or the absence of financial incentive. A multivariate analysis showed that physicians who answered on the Internet reported less medication to hasten death, and that they more often took no medical decisions in the end-of-life process. CONCLUSIONS: Varying contact modes is a useful strategy. Using a mixed-mode design is interesting, but selection and measurement effects must be studied further in this sensitive field.
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 | 0,202 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».