How can we improve the experiences of patients and families who request medical assistance in dying? A multi-centre qualitative study
Notice bibliographique
Résumé
BACKGROUND: Medical assistance in dying has been available in Canada for 5 years, but it is unclear which practices contribute to high-quality care. We aimed to describe patient and family perspectives of quality of care for medical assistance in dying. METHODS: We conducted a multi-centre, qualitative descriptive study, including face to face or virtual one-hour interviews using a semi-structured guide. We interviewed 21 english-speaking patients found eligible for medical assistance in dying and 17 family members at four sites in Canada, between November 2017 and September 2019. Interviews were de-identified, and analyzed in an iterative process of thematic analysis. RESULTS: We identified 18 themes. Sixteen themes were related to a single step in the process of medical assistance in dying (MAID requests, MAID assessments, preparation for dying, death and aftercare). Two themes (coordination and patient-centred care) were theme consistently across multiple steps in the MAID process. From these themes, alongside participant recommendations, we developed clinical practice suggestions which can guide care. CONCLUSIONS: Patients and families identified process-specific successes and challenges during the process of medical assistance in dying. Most importantly, they identified the need for care coordination and a patient-centred approach as central to high-quality care. More research is required to characterize which aspects of care most influence patient and family satisfaction.
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 | 0,025 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,011 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».