Can Hospital Doctors Provide Quality Palliative Care Informed by End-of-Life Care Legislation
Notice bibliographique
Résumé
Background and Aim: Approximately 50% of deaths in Australia occur in hospitals, and this number is growing. Studies consistently show that doctors have poor knowledge of end-of-life decision making; however, this has not been examined in specific groups of hospital doctors. We examined hospital doctors' knowledge of key elements of end-of-life care legislation. Materials and Methods: We conducted a prospective, observational, cross-sectional study of doctors from a large Australian public tertiary health network using six questions formulated on basic key elements of the legislation. Demographic data collected included years of work experience, clinical unit, and proportion of work hours spent with dying patients. Results: Of the 201 doctors censored, senior doctors (>10 years' experience) were the least knowledgeable group. Only approximately 20% of doctors correctly answered all questions. Thirty-two percent would potentially provide futile treatment if demanded by a competent patient. Fifty percent did not know how to locate an advance directive in the hospital record. There was confusion regarding the role of the substitute decision-maker. Conclusions: Approximately a quarter of hospital doctors practise with a poor understanding of the law over the various domains. The urgent call for education is further highlighted not only for students and junior doctors but also for senior doctors who scored poorly. Educational efforts could begin from addressing the simple key areas of legislation covered in the survey.
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 | 0,001 |
| 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 | 0,002 |
| 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 ».