MétaCan
Menu
Retour à la cohorte
Enregistrement W2790087541 · doi:10.29173/alr2456

How do Lawyers Assist Their Clients With Advance Care Planning? Findings From a Cross-Sectional Survey of Lawyers in Alberta

2018· article· en· W2790087541 sur OpenAlexafffundvenueabout
Nola M. Ries, Maureen Douglas, Jessica Simon, Konrad Fassbender

Notice bibliographique

RevueAlberta Law Review · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensCovenant HealthUniversity of CalgaryUniversity of AlbertaAlberta Health Services
Organismes subventionnairesAlberta InnovatesCanadian Bar Association
Mots-clésDirectivePublic relationsPerceptionPlan (archaeology)Health careAdvance care planningRelation (database)PsychologyLegal professionNursingBusinessLawPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Advance care planning (ACP) is the process of thinking about, discussing and documenting one’s preferences for future health care. ACP has important benefits: people who have a written directive are more likely to receive care that accords with their preferences, have fewer hospitalizations, and die in their preferred location. This article focuses on the important role that legal professionals have in advising and assisting clients with ACP. Studies report that people who have a written advance care plan are more likely to have received assistance in preparing the document from a lawyer than from a doctor. Yet virtually no research engages with the legal profession to understand lawyers’ attitudes, beliefs, and practices in this important area. This article starts to fill this gap by reporting the findings of a survey of lawyers in the province of Alberta. The results reveal lawyers’ practices in relation to ACP, their perceptions of their professional role and factors that support or hinder lawyers in working with clients on ACP, and their preferences for resources to assist them in helping their clients. To the authors’ knowledge, this is the first survey of lawyers on their practices in relation to 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,407
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueAlberta Law ReviewMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207