MétaCan
Menu
Retour à la cohorte
Enregistrement W3004950918

L'accès et la pratique de l'euthanasie et du suicide assisté pour motifs psychiatriques

2019· article· en· W3004950918 sur OpenAlexaboutno aff
Laura Guérinet

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth, Medicine and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Euthanasia or end-of-life medical assistance has been debated for decades in medicine, especially in oncology or intensive care. Seven countries are in favor of euthanasia and/or assisted suicide: Switzerland, the Netherlands, Belgium, Luxembourg, Canada, Colombia, and six US states. This practice is far from being a simple concern. This asks medical, ethical, cultural and legal issues at the same time. On the one hand, it makes use of medical notions, like unbearable and unappeasable suffering and prognosis, or even ethics notions. On the other hand, it is governed by a legal framework which is more or less well defined depending on the countries. The frequency and practices are quite different from one country to another. These deaths accounted for up to 4,4% of deaths in 2017 (for the Netherlands), and mostly involved elderly patients with cancer. The integration of mental suffering into the law legalizing its access in some countries has made the issue even more complex. Switzerland, the Netherlands, Belgium and Luxembourg, four countries in Europe, are the countries that accept euthanasia and/or assisted suicide for psychiatric reasons, already for decades in the case of Switzerland and the Netherlands. This practice is controversial and opens debates within the medical profession, in countries concerned and beyond, internationally. Concerns about intricacy of mood symptoms, reasoning bias and cognitive disruptions impairing judgment, access and consent to care, and the assessment of mental suffering are particularly debated.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,009
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,355
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetHealth, Medicine and SocietyTravaux en français237 207