MétaCan
Menu
Retour à la cohorte
Enregistrement W3202645987 · doi:10.1186/s12910-021-00703-6

Factors influencing practitioners’ who do not participate in ethically complex, legally available care: scoping review

2021· article· en· W3202645987 sur OpenAlexaff
Janine Brown, Donna Goodridge, Lilian Thorpe, Alexandra Hodson, Mary Chipanshi

Notice bibliographique

RevueBMC Medical Ethics · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensUniversity of SaskatchewanSaskatchewan Health AuthorityUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésCINAHLHealth careOrgan donationMEDLINELegislationPhilosophy of medicineFamily medicineMedicineQualitative researchTissue DonationNursingPsychologyAlternative medicinePolitical sciencePsychological interventionLawSociologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Evolving medical technology, advancing biomedical and drug research, and changing laws and legislation impact patients' healthcare options and influence healthcare practitioners' (HCPs') practices. Conscientious objection policy confusion and variability can arise as it may occasionally be unclear what underpins non-participation. Our objective was to identify, analyze, and synthesize the factors that influenced HCPs who did not participate in ethically complex, legally available healthcare. METHODS: We used Arksey and O'Malley's framework while considering Levac et al.'s enhancements, and qualitatively synthesized the evidence. We searched Medline, CINAHL, JSTOR, EMBASE, PsychINFO, Sociological Abstracts, and ProQuest Dissertations and Theses Global from January 1, 1998, to January 15, 2020, and reviewed the references of the final articles. We included articles written in English that discussed the factors that influenced physicians and registered nurses (RNs) who did not participate in end-of-life (EOL), reproductive technology and health, genetic testing, and organ or tissue donation healthcare areas. Using Covidence, we conducted title and abstract screening, followed by full-text screening against our eligibility criteria. We extracted the article's data into a spreadsheet, analyzed the articles, and completed a qualitative content analysis using NVivo12. RESULTS: We identified 10,664 articles through the search, and after the screening, 16 articles were included. The articles sampled RNs (n = 5) and physicians (n = 11) and encompassed qualitative (n = 7), quantitative (n = 7), and mixed (n = 2) methodologies. The care areas included reproductive technology and health (n = 11), EOL (n = 3), organ procurement (n = 1), and genetic testing (n = 1). One article included two care areas; EOL and reproductive health. The themed factors that influenced HCPs who did not participate in healthcare were: (1) HCPs' characteristics, (2) personal beliefs, (3) professional ethos, 4) emotional labour considerations, and (5) system and clinical practice considerations. CONCLUSION: The factors that influenced HCPs' who did not participate in ethically complex, legally available care are diverse. There is a need to recognize conscientious objection to healthcare as a separate construct from non-participation in healthcare for reasons other than conscience. Understanding these separate constructs will support HCPs' specific to the underlying factors influencing their practice participation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,044
score de la tête « metaresearch » (Gemma)0,742
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0440,742
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0040,040
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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.

Tête enseignante Opus0,439
Tête enseignante GPT0,564
Écart entre enseignants0,125 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EthicsMême sujetEthics in medical practiceTravaux en français237 207