Survey highlights the need for specific interventions to reduce frequent conflicts between healthcare professionals providing paediatric end‐of‐life care
Notice bibliographique
Résumé
AIMS: This study explored how paediatric healthcare professionals experienced and coped with end-of-life conflicts and identified how to improve coping strategies. METHODS: A questionnaire was distributed to all 2300 professionals at a paediatric university hospital, covering the frequency of end-of-life conflicts, participants, contributing factors, resolution strategies, outcomes and the usefulness of specific institutional coping strategies. RESULTS: Of the 946 professionals (41%) who responded, 466 had witnessed or participated in paediatric end-of-life discussions: 73% said these had led to conflict, more frequently between professionals (58%) than between professionals and parents (33%). Frequent factors included professionals' rotations, unprepared parents, emotional load, unrealistic parental expectations, differences in values and beliefs, parents' fear of hastening death, precipitated situations and uncertain prognosis. Discussions with patients and parents and between professionals were the most frequently used coping strategies. Conflicts were frequently resolved by the time of death. Professionals mainly supported designating one principal physician and nurse for each patient, two-step interdisciplinary meetings - between professionals then with parents - postdeath ethics meetings, bereavement follow-up protocols and early consultations with paediatric palliative care and clinical ethics services. CONCLUSION: End-of-life conflicts were frequent and predominantly occurred between healthcare professionals. Specific interventions could target most of the contributing factors.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».