Characteristics of Older Adults Accessing Medical Assistance in Dying (MAiD): a Descriptive Study
Notice bibliographique
Résumé
BACKGROUND: Medical Assistance in Dying (MAiD) is an end-of-life option for Canadians accounting for 2% of all deaths in Canada in 2019. Adults over 80 years old represent a significant proportion of these deaths, yet little is known about how they compare with their younger counterparts. METHODS: This study retrospectively reviewed our tertiary care institution's MAiD database to compare MAiD recipients <65, 65-80, and >80 years of age. Extracted data included basic demographics, illness characteristics, functional status, social living arrangements/contacts, and outcomes of MAiD assessments. RESULTS: Of 267 patients assessed for MAiD, 38.2% were over 80. Compared to the younger groups, those over 80 were more likely to be female, to live alone, and to be widowed; however, they did not self-identify as 'socially isolated'. The majority fit into the illness categories of malignancy, cardiopulmonary or neurologic diseases, but those over 80 were more likely to have other more chronic/subacute conditions leading to the MAiD request. CONCLUSIONS: Older adults accessing MAiD are distinct in that they tend to be increasingly frail and without a predominant underlying diagnosis as compared with younger adults, but rather have an accumulation of losses resulting in global functional decline and subsequent loss of autonomy and independence.
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 | 0,001 | 0,002 |
| 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 ».