MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210293003 · doi:10.37184/lnjcc.2789-0112.3.5

End- of- Life Care: Beneficence Undermines Patient’s Autonomy

2022· article· en· W4210293003 sur OpenAlexaff
Samina Iqbal Kanji, Sobia Idrees

Notice bibliographique

RevueLiaquat National Journal of Cancer Care · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBeneficenceAutonomyHealth careNursingEnd-of-life carePsychologyMedicinePalliative carePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

End-of-life care is a decision-making process in which health care providers, patients, and their families play a crucial role in easing the suffering of the patients and their families. Usually, end-of-life decision-making takes place in a critical situation of the patient; therefore, health care providers, particularly, physicians and nurses play a major role in making a decision for the patient’s life with regards to updated knowledge and practice. In this view, health care providers face many challenges in end-of-life decision-making due to controversy among equally unfavorable solutions; particularly between two ethical principles i.e., patient autonomy and beneficence. Health care providers often overweigh beneficence over autonomy regarding less suffering for the patient and his/her family. This approach of health care providers raises a question for undermining patients' autonomy and violating the basic ethical right of a patient. To overcome these kinds of ethical challenges, it is imperative to equip health care providers with updated knowledge of advance directives for patients. In addition, patients and their families should be well informed from the beginning to the end stage of the patient stay in the hospital. Besides, each hospital should have an ethical expert committee including nurses to analyze the entire situation and to make the decision in the best interest of the patient and his/her family.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,045
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,026
Communication savante0,0070,006
Science ouverte0,0010,008
Intégrité de la recherche0,0050,015
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,068
Tête enseignante GPT0,464
Écart entre enseignants0,397 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLiaquat National Journal of Cancer Care→Même sujetEthics in medical practice→Travaux en français237 207→