Understanding advance care planning within the South Asian community
Notice bibliographique
Résumé
BACKGROUND: Advance care planning (ACP) is a process of reflection on and communication of a person's future health-care preferences. Evidence suggests visible minorities engage less in ACP. The South Asian ethnic group is the largest visible minority group in Canada, and information is needed to understand how ACP is perceived and how best to approach ACP within this diverse community. OBJECTIVE: To explore perspectives of South Asian community members towards ACP. DESIGN: Peer-to-peer inquiry. South Asian community members who graduated from the Patient and Community Engagement Research programme (PaCER) at the University of Calgary utilized the PaCER method (SET, COLLECT and REFLECT) to conduct a focus group, family interviews and a community forum. SETTING AND PARTICIPANTS: Fifty-seven community-dwelling men and women (22-86 years) who self-identified with the South Asian community in Calgary, Alberta, Canada. RESULTS: The concept of ACP was mostly foreign to this community and was often associated with other end-of-life issues such as organ donation and estate planning. Cultural aspects (e.g. trust in shared family decision making and taboos related to discussing death), religious beliefs (e.g. fatalism) and immigration challenges (e.g. essential priorities) emerged as barriers to participation in ACP. However, participants were eager to learn about ACP and recommended several engagement strategies (e.g. disseminate information through religious institutions and community centres, include families in ACP discussions, encourage family physicians to initiate discussions and translate materials). CONCLUSIONS: Use of a patient engagement research model proved highly successful in understanding South Asian community members' participation in ACP.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 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 ».