Meaning Making as a Central Mechanism of Dignity Therapy for Older Adults With Cancer
Notice bibliographique
Résumé
Abstract Nearly 500,000 older Americans die a cancer-related death each year (National Vital Statistics Report, 2018). Following a diagnosis of a serious illness like cancer, maintaining a sense of dignity is central to a patient’s wellbeing. Dignity Therapy (DT) was recently introduced as an intervention to enhance dignity for terminally ill patients (Chochinov et al., 2005). This therapy provides patients opportunities to foster a sense of dignity though making meaning of their lives (Hack et al., 2010). To date, whether meaning-making actually occurs as a central mechanism of effective DT has not been tested. The current study investigates (i) how often and in what forms meaning-making occurs during DT, and (ii) how patients’ baseline feelings of dignity relate to meaning-making during DT. Participants were 25 male and female cancer outpatients (M age = 63.08; SD = 5.72). They completed the Patient Dignity Inventory (Chochinov et al., 2008) and then participated in Dignity Therapy with a trained provider. Sessions were audio recorded, transcribed, and reliably content-analyzed for meaning-making using an established coding scheme (Park & Folkman, 1997). Content-analysis revealed that all patients made meaning of past life events at least once (range: 1-12 occurrences). Multiple forms of meaning-making emerged, with Finding Benefit and Personal Growth most common. Patients reporting more dignity-related distress prior to DT showed greater meaning-making during the DT session (r = .46, p < 0.05). This study provides foundational evidence that meaning-making is a key mechanism of Dignity Therapy, helping older adults with cancer enhance dignity at end-of-life.
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 | 0,000 | 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 ».