Causes of futile care from the perspective of intensive care unit nurses (I.C.U): qualitative content analysis
Notice bibliographique
Résumé
BACKGROUND: Medical care that has therapeutic effects without significant benefits for the patient is called futile care. Intensive Care Units are the most important units in which nurses provide futile care. This study aimed to explain the causes of futile care from the perspective of nurses working in Intensive Care Units are. METHOD: The study was conducted using a qualitative approach. Qualitative content analysis was used to analyze the data. Study participants were 17 nurses who were working in the Intensive Care Units are of hospitals in the north of Iran. They were recruited through a purposeful sampling method. Data was gathered using in-depth, semi-structured interviews from March to June 2021. Recruitment was continued until data saturation was reached. RESULTS: Two main themes, four categories, and thirteen subcategories emerged from the data analysis. The main themes were principlism and caring swamp. The categories were moral foundation, professionalism, compulsory care, and patient's characteristics. CONCLUSION: In general, futile care has challenged nursing staff with complex conflicts. By identifying some of these conflicts, nurses will be able to control such situations and plan for better management strategies. Also, using the findings of this study, nursing managers can adopt supportive strategies to reduce the amount of futile care and thus solve the specific problems of nurses in intensive care units such as burnout, moral stress, and intention to leave.
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 | 0,022 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».