Medically Assisted Dying in Canada: “Beautiful Death” Is Transforming Nurses’ Experiences of Suffering
Notice bibliographique
Résumé
BACKGROUND: Nurses witness pain and distress up close and consequently experience their own suffering. A narrative study of Canadian nurses' participating in medical assistance in dying found nurses' previous witnessing of unresolved end-of-life suffering has shaped their acceptance of medical assistance in dying. Little is known about the impact of participating in medically assisted dying on nurses' suffering. PURPOSE: To explore how nurses' overall experience of suffering is shaped by participating in medical assistance in dying. METHODS: Qualitative secondary analysis using narrative inquiry and thematic analysis. RESULTS: Nurses' narratives are chronologically organized addressing experiences of suffering before medical assistance in dying was a legal option and after its implementation. An overarching narrative before the availability of medical assistance in dying is (1) a culture of nurses' taken-for-granted suffering: feeling terrible. After medical assistance in dying, two key narratives describe (2) transformational feelings of a beautiful death and (3) residual discomfort. Nurses found their suffering transformed when participating in medical assistance in dying; end-of-life care was satisfying and gratifying. And yet, unanswered questions due to worries of becoming desensitized and ongoing deeper questioning remain. CONCLUSIONS: Participating in medical assistance in dying has positively impacted nurses and starkly contrasts their previous experiences caring for those with unbearable suffering. Further research is needed to explore becoming desensitized and long-term emotional impact for nurses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».