Providing Medical Assistance in Dying within a Home Palliative Care Program in Toronto, Canada: An Observational Study of the First Year of Experience
Notice bibliographique
Résumé
BACKGROUND: Medical Assistance in Dying (MAiD) was legalized in Canada in June 2016. There are no documented experiences of MAiD provision within a home palliative care program. The majority of palliative care physicians in Canada object to MAiD. As one of the largest home-based palliative care providers in Canada, the Temmy Latner Centre for Palliative Care (TLCPC) developed processes to implement MAiD provision within a home palliative care team with diverse attitudes toward MAiD. OBJECTIVE: To demonstrate the feasibility of providing MAiD within a home palliative care setting and describe the population that received MAiD in the first year of legalization. DESIGN: A retrospective chart review identified patients who received or were assessed for MAiD and had a known outcome between June 17, 2016 and June 30, 2017. SETTING/SUBJECTS: Patients receiving home-based palliative care. MEASUREMENTS: Data extracted included age, gender, primary diagnosis, length of time receiving home-based palliative care, and final clinical outcome. RESULTS: Of the 45 patients who were assessed for MAiD, 27 (60%) received MAiD and 18 (40%) did not. The mean age was 74 (range 20-95), 24 (53%) were male, and 33 (73%) had cancer as a primary diagnosis. These 27 patients represent 1.2% of our total patient population during this time period. CONCLUSIONS: MAiD was accessed by 1.2% of the patients within a home palliative care center in the first year of legalization. Patient demographics were consistent with those documented elsewhere. The TLCPC process accommodates the diverse viewpoints of clinicians and emphasizes continuity of palliative care provision.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».