Quality of Bereavement for Caregivers of Patients Who Died by Medical Assistance in Dying at Home and the Factors Impacting Their Experience: A Qualitative Study
Notice bibliographique
Résumé
Background: Medical Assistance in Dying (MAiD) was legalized in Canada in June 2016. MAiD is available to those who are at least 18 years of age with an irremediable medical condition and an irreversible state of decline causing unbearable suffering. Between June 2016 and December 2019, 13,946 MAiD cases were reported in Canada.3 Although 35.2% have taken place in the home, very little is known about the experience of caregivers in this setting. Objectives: This study explored caregivers' experience with MAiD in the home-setting and their bereavement process. Setting/Subjects: Caregivers of patients of the Temmy Latner Centre for Palliative Care in Toronto, Canada, who underwent MAiD by a physician at home. This study was approved by the Sinai Health Research Ethics Board. Design: This study used a semistructured interview guide and standardized questionnaires. Thirteen caregivers were contacted at least six months post-MAiD to participate in a one-on-one interview. The interviews were transcribed, coded, and evaluated using a thematic analysis approach. Results: The main themes that emerged from the interviews were the caregivers' experience with MAiD, their interaction with the MAiD team, disclosure about MAiD, their bereavement experience, and comparison of experiencing a MAiD death to a natural death. Conclusion: We hypothesize that caregivers in our study were better prepared for the upcoming death due to more certainty as to how and when their loved one would die. Having closure and being able to say goodbye may also have positively influenced the bereavement experience. Finally, MAiD may have spared the caregivers the trauma of witnessing their loved one deteriorate in their final days 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 | 0,003 | 0,001 |
| 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 | 0,000 |
| 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 ».