A scoping research literature review to assess the state of existing evidence on the “bad” death
Notice bibliographique
Résumé
OBJECTIVE: A scoping research literature review on "bad death" was undertaken to assess the overall state of the science on this topic and to determine what evidence exists on how often bad deaths occur, what contributes to or causes a bad death, and what the outcomes and consequences of bad deaths are. METHOD: A search for English-language research articles was conducted in late 2016, with 25 articles identified and all retained for examination, as is expected with scoping reviews. RESULTS: Only 3 of the 25 articles provided incidence information, specifying that 7.8 to 23% of deaths were bad and that bad deaths were more likely to occur in hospitals than in community-care settings. Many different factors were associated with bad deaths, with unrelieved pain being the most commonly identified. Half of the studies provided information on the possible consequences or outcomes of bad deaths, such as palliative care not being initiated, interpersonal and team conflict, and long-lasting negative community effects. SIGNIFICANCE OF RESULTS: This review identified a relatively small number of research articles that focused in whole or in part on bad deaths. Although the reasons why people consider a death to be bad may be highly individualized and yet also socioculturally based, unrelieved pain is a commonly held reason for bad deaths. Although bad and good deaths may have some opposing causative factors, this literature review revealed some salient bad death attributes, ones that could be avoided to prevent bad deaths from occurring. A routine assessment to allow planning so as to avoid bad deaths and enhance the probability of good deaths is suggested.
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 | 0,064 | 0,212 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,066 | 0,043 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,012 | 0,013 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».