Medical assistance in dying (MAiD): Ethical considerations for psychologists.
Notice bibliographique
Résumé
Significant ethical challenges arise when mental health practitioners care for patients who seek to accelerate their own dying for rational medically valid reasons. Current and proposed laws provide for medical assistance in dying (MAiD) in several U.S. jurisdictions, all of Canada, and several other nations. Differing provisions of these laws complicate their utility for some patients who seek aid in dying. Some extant laws include roles that mental health professionals might play in assessing patients’ competence or capacity to consent, mental illness, or other cognitive and behavioral factors. Practitioners who choose to accept roles in the MAiD process must consider and resolve a number of ethical challenges including potential conflicts between and among laws, ethical standards, third-party requests, personal values, and patients’ wishes. These include becoming aware of patients who may wish to act independently to end their lives when MAiD laws might otherwise exclude them. Examples from actual cases and the resultant discussion will form a basis for exploration of the ethical and legal complexities confronted when psychologists become engaged in the process either intentionally or incidentally. The lead article (Koocher) is not intended to comprehensively address MAiD in all of its complexity but rather to trigger a thoughtful discussion among the accompanying commentaries.
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 | 0,020 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,026 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,060 | 0,062 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».