Perceptions and intentions toward medical assistance in dying among Canadian medical students
Notice bibliographique
Résumé
BACKGROUND: Medical assistance in dying (MAID) was legalized in Canada in 2016. As of July 2017, approximately 2149 patients have accessed MAID. There remains no national-level data on the perspectives of future physicians about MAID or its changing legal status. We provide evidence from a national survey of Canadian medical students about their opinions, intentions, and concerns about MAID. METHODS: From October 2016 to July 2017, we distributed an anonymous online survey to all students at 15 of Canada's 17 medical schools. The survey collected data on respondent socio-demographic characteristics, features of their medical education, intentions for medical practice, and perspectives on MAID. We analyzed responses using univariate descriptive and stepwise multivariate logistic regression. RESULTS: In 1210 completed surveys, 71% of respondents reported being willing to provide MAID under a legal framework that permits it. Non-religious respondents reported greater willingness to participate in MAID than respondents of any religious affiliation (p < 0.001). Frequency of religious attendance was inversely associated with willingness to provide MAID (p < 0.001). Medical students born in Québec were more willing to provide MAID than respondents from other provinces (OR 2.21; p < 0.001). Age, sex, socioeconomic status, year of medical study, previous academic major, and rural/urban city of birth were not associated with willingness to provide MAID. CONCLUSION: As the current class of medical students becomes the first cohort of new physicians to enter Canada's changing medical and legal landscape around MAID, our findings inform the public debate by examining attributes associated with support or opposition to the practice.
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 | 0,004 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».