How do healthcare practitioners talk about end-of-life conversations? A poetic inquiry
Notice bibliographique
Résumé
Despite agreement that end-of-life conversations should happen early on in the illness trajectory, it is widely acknowledged that healthcare practitioners often engage in these conversations when death is imminent or avoid the conversation altogether. Healthcare practitioners’ feelings of distress influence how end-of-life conversations are approached, yet thorough exploration of this emotional experience and its impact are largely missing from the literature. The aims of this preliminary scoping literature review using poetic inquiry were to examine physicians’ and nurses’ emotional distress in their accounts of how they approach end-of-life conversations, and to map key concepts relevant to exploring barriers to these conversations. The poetic findings highlight the differing nature of distress for physicians and nurses. Physicians’ distress appears to stem from adhering to their role of ‘curer’ when communicating with terminally ill adult patients at the end of life, whereas the sources of nurses’ distress appear to be interprofessional hierarchies and conflicts. Future research and training that uses methods to decentre and disrupt hierarchies and ingrained practices will be important to nursing practice and in improving end-of-life conversations. Arts-based approaches are one such method that could be pursued.
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 | 0,089 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,016 | 0,038 |
| Communication savante | 0,021 | 0,044 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».