How individual ethical frameworks shape physician trainees’ experiences providing end-of-life care: a qualitative study
Notice bibliographique
Résumé
OBJECTIVES: The end of life is an ethically challenging time requiring complex decision-making. This study describes ethical frameworks among physician trainees, explores how these frameworks manifest and relates these frameworks to experiences delivering end-of-life care. DESIGN: We conducted semistructured in-depth exploratory qualitative interviews with physician trainees about experiences of end-of-life care and moral distress. We analysed the interviews using thematic analysis. SETTING: Academic teaching hospitals in the United States and United Kingdom. PARTICIPANTS: We interviewed 30 physician trainees. We purposefully sampled across three domains we expected to be associated with individual ethics (stage of training, gender and national healthcare context) in order to elicit a diversity of ethical and experiential perspectives. RESULTS: Some trainees subscribed to a best interest ethical framework, characterised by offering recommendations consistent with the patient's goals and values, presenting only medically appropriate choices and supporting shared decision-making between the patient/family and medical team. Others endorsed an autonomy framework, characterised by presenting all technologically feasible choices, refraining from offering recommendations and prioritising the voice of patient/family as the decision-maker. CONCLUSIONS: This study describes how physician trainees conceptualise their roles as being rooted in an autonomy or best interest framework. Physician trainees have limited clinical experience and decision-making autonomy and may have ethical frameworks that are dynamic and potentially highly influenced by experiences providing end-of-life care. A better understanding of how individual physicians' ethical frameworks influences the care they give provides opportunities to improve patient communication and advance the role of shared decision-making to ensure goal-aligned end-of-life 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».