E-Survey of Stressors and Protective Factors in Practicing Medical Assistance in Dying
Notice bibliographique
Résumé
Objective: To better identify, quantify, and understand the current stressors and protective factors reported by Canadian medical assistance in dying (MAiD) assessors and providers to inform policy, education, and supports. Methods: E-survey of MAiD stressors ( n = 33) and protective factors ( n = 27); resilience measurement and comments relating to practice involving physicians and nurse practitioners who provide MAiD services and belong to the Canadian Association of MAiD Assessors and Providers or a francophone equivalent. The survey was conducted, while Parliament was considering changes to MAiD eligibility criteria, which occurred during COVID-19 pandemic restrictions. Results: In total, there were 131 respondents (response rate 35.8%). Two possible changes to future eligibility (mental disorders as the sole reason for MAiD and mature minors) were highly scored as were extra clinical load and patients' family conflict over MAiD. Twenty percent of respondents considered stopping MAiD work. The CD Resilience Scale-2 mean score was 6.90. Highly scored protective factors included compassionate care, relief of suffering, patient autonomy, patient gratitude, feelings of honor, privilege, and professionally satisfying work. Discussion: The identified stressors and reasons for considering stopping MAiD work indicate needs for policy, education, and supports to be optimized or developed. Respondents showed high resilience and highly scored protective factors, which should be optimized. This survey should be repeated in countries where MAiD is legal to determine stressors and protective factors in MAiD practice, stressors addressed, and protective factors enhanced where feasible in the local context for optimal 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 | 0,002 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».