Hospice Palliative Care (HPC) and Medical Assistance in Dying (MAiD): Results From a Canada-Wide Survey
Notice bibliographique
Résumé
BACKGROUND: With the legalization of medical assistance in dying (MAiD) in Canada, physicians and nurse practitioners now have another option within their scope of practice to consider alongside hospice palliative care (HPC) to support the patient and family regardless of their choice toward natural or medically assisted death. To elucidate insights and experiences with MAiD since its inception and to help adjust to this new end-of-life care environment, the membership of the Canadian Hospice Palliative Care Association (CHPCA) was surveyed. METHODS: The CHPCA developed and distributed a 16-item survey to its membership in June 2017, one year following the legalization of MAiD. Data were arranged in Microsoft® Excel and open-ended responses were analyzed thematically using NVivo 12 software. RESULTS: From across Canada, 452 responses were received (response rate: 15%). The majority of individuals worked as nurses (n = 161, 33%), administrators (n = 79, 16%), volunteers (n = 76, 16%) and physicians (n = 56, 11%). Almost 75% (n = 320) of all respondents indicated that they had experienced a patient in their program who had requested MAiD. Participants expressed dissatisfaction with the current psychological and professional support being provided by their health care organization and Ministry of Health - during and after the MAiD procedure. CONCLUSION: The new complexities of MAiD present unique challenges to those working in the health-care field. There needs to be an increased focus on educating/training providers as without proper support, health-care workers will be unable to perform to their full potential/scope of practice while also providing patients with holistic and accessible care.
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 | 0,006 |
| 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 | 0,000 |
| 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 ».