Wish to die and hasten death in palliative care: a cross-sectional study factor analysis
Notice bibliographique
Résumé
OBJECTIVES: The wish to die (WTD) is a complex experience sometimes accompanied by intention to hasten death. The aim of this study is to identify the predictive factors for WTD and hastening death intention (HDI) in Spanish patients with advanced illness. METHODS: This is a subanalysis of a larger cross-sectional study conducted on patients experiencing advanced illness (N=201). Sociodemographic data and data related to symptom burden (Edmonton Symptom Assessment System-Revised), depressive and anxious symptoms (Hospital Anxiety and Depression Scale), demoralisation (Spanish version of the Demoralisation Scale), perceived loss of dignity (Patient Dignity Inventory) and WTD (Assessing Frequency and Extent of Desire to Die) were collected. The analysis used univariate and multivariate logistic regression. RESULTS: The prevalence of WTD in the sample was 18%, with 8 out of 36 patients reporting HDI. The independent factors predictive of WTD were (1) knowledge of approximate prognosis (OR=4.78; 95% CI 1.20 to 10.8; p=0.001); (2) symptom burden (OR=1.05; 95% CI 1.00 to 1.09; p=0.038); and (3) the Demoralisation Scale subsection 'lack of meaning and purpose in life' (OR=1.61; 95% CI 1.30 to 1.99; p=0.000). An independent predictive factor for HDI was the Demoralisation Scale subsection 'patients' distress and coping abilities' (OR=1.47; 95% CI 1.04 to 2.08; p=0.028), while having religious beliefs was a protective factor (OR=0.13; 95% CI0.17 to 0.97; p=0.047). CONCLUSIONS: Demoralisation was found to be the only common triggering factor for WTD and HDI, although experiences share certain features. Identification of the predictive factors for WTD and HDI may contribute to their prevention and management.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».