MétaCan
Menu
Retour à la cohorte
Enregistrement W3112368686 · doi:10.1093/jlb/lsaa087

The impact of the COVID-19 pandemic on medical assistance in dying in Canada and the relationship of public health laws to private understandings of the legal order

2020· article· en· W3112368686 sur OpenAlexaffabout
Sabrina Tremblay-Huet, Thomas McMorrow, Ellen Wiebe, Michaela Kelly, Mirna Hennawy, Brian Sum

Notice bibliographique

RevueJournal of Law and the Biosciences · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensUniversity of British ColumbiaOntario Tech UniversityUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésExcusePandemicNormativePublic healthContext (archaeology)LawHealth careVariety (cybernetics)Order (exchange)Political scienceMeaning (existential)Public relationsSociologyCriminologyCoronavirus disease 2019 (COVID-19)PsychologyMedicineBusinessNursingDiseaseHistory

Résumé

récupéré en direct d'OpenAlex

Drawing on interviews we conducted with 15 medical assistance in dying (MAiD) providers from across Canada, we examine how physicians and nurse practitioners reconcile respect for the new, changing rules brought upon by the coronavirus disease 2019 (COVID-19) pandemic, along with their existing legal obligations and ethical commitments as health care professionals and MAiD providers. Our respondents reported situations where they did not follow or did not insist on others following the applicable public health rules. We identify a variety of techniques that they deployed either to minimize, rationalize, justify or excuse deviations from the relevant public health rules. They implicitly invoked the exceptionality and emotionality of the MAiD context, especially in the time of COVID, when offering their accounts and explanations. What respondents relate about their experiences providing MAiD during the COVID pandemic offers occasion to reflect on the role actors themselves play in giving meaning (if not coherence) to the potentially conflicting normative expectations to which they are subject.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,233
Tête enseignante GPT0,460
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Law and the BiosciencesMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207