‘A Better Country to Die in’: Self-Determination, Drugs, and the Limits of Medical Assistance in Dying in Canada
Notice bibliographique
Résumé
This dissertation examines Canada’s legalization of medical assistance in dying (MAiD). Specifically, it focuses on how the debates surrounding the legalization process, the cultural history of euthanasia drugs, and the ethical dimensions of disability shaped assisted dying outcomes in the country in the period between the precedent-setting February 2015 Carter v. Canada Supreme Court case and the legislation, passed in June 2016, that enacted legalized MAiD. This mixed methods project uses discursive analysis of media texts, pharmacological history, and rhetorical analysis of first-person testimonies. The first analytic chapter, “Self-Determination, Euthanasia, and the Right to Die,” considers how the shift toward greater autonomy from medicine at the end of life took place as a discursive event in Canada. The second chapter, “‘Cito, Tuto et Jucunde’: The Many Lives of the Drugs Used to Kill Quickly, Safely and Pleasantly,” scrutinizes the relationship between the medicalization of death and barbiturates, the drugs used in medically assisted deaths. The final chapter, “Disability and the Right to Die in Canada,” examines the rhetorical strategies used to justify the expansion of MAiD eligibility criteria in Canada. I argue that case of MAiD illustrates how the ideology of ability limits the scope of our understanding of the conditions that make life livable. The recasting of health as an individual right and responsibility has crept into the changing conversation about death and dying. This individualist view is in part an ideological by-product of a culture of health based on privatized care and a politics of deservingness that links good health care to employment and hard work.
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 | 0,001 |
| 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 ».