Exploring Canadian Physicians' Experiences Providing Medical Assistance in Dying: A Qualitative Study
Notice bibliographique
Résumé
CONTEXT: Medical assistance in dying (MAiD) allows a practitioner to administer or prescribe medication for the purpose of ending a patient's life. In 2016, Canada was the latest country, following several European countries and American states, to legalize physician-assisted death. Although some studies report on physicians' attitudes toward MAiD or describe patient characteristics, there are few studies that explore the professional challenges faced by physicians who provide MAiD. OBJECTIVES: The objective of the study was to explore the professional challenges faced by Canadian physicians who provide MAiD. METHODS: Sixteen physicians from across Canada who provide MAiD completed in-depth, semistructured telephone interviews. An inductive thematic analysis approach guided data collection and the iterative, interpretive analysis of interview transcripts. Three members of the research team systematically co-coded interview transcripts, and the emerging themes were developed with the broader research team. NVivo was used to manage the coded data. RESULTS: Participants described three challenges associated with providing MAiD: 1) their relationships with other MAiD providers were enhanced and relationships with objecting colleagues were sometimes strained; 2) they received inadequate financial compensation for time, and 3) they experienced increased workload, resulting in sacrifices to personal time. Although these providers did not intend to stop providing MAiD at the time of the interview, they indicated their concerns about whether they would be able to sustain this service over time. CONCLUSION: Physicians described relationship, financial, and workload challenges to providing MAiD. We provide several recommendations to address these challenges and help ensure the sustainability of MAiD in countries that provide this service.
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 | 0,002 | 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 | 0,000 | 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 ».