Use of palliative sedation following Medical Assistance in Dying (MAiD) legislation: A mixed-methods study of palliative care providers
Notice bibliographique
Résumé
OBJECTIVES: Palliative sedation (PS) and Medical Assistance in Dying (MAiD) are options for end-of-life (EOL) care in Canada, since the latter was legalized in 2016. Little research to date has explored the potential impact of MAiD on PS practices. This study investigated physicians' perceptions of their practices surrounding PS and how they may have changed since 2016. METHODS: =23) were conducted with palliative care providers throughout Ontario. Questions focused on PS practices and explored potential changes following the implementation of MAiD. Codes were determined collaboratively and applied line-by-line by 2 independent investigators. Survey responses were analyzed alongside interview transcripts and noted to be concordant. Themes were generated via reflexive thematic analysis. RESULTS: Thematic analysis yielded the following themes: (1) Increased patient/family knowledge of EOL care; (2) More frequent/fulsome discussions; (3) Normalization/repositioning of PS; and (4) Conflation and differentiation of PS/MAiD. Across these themes, participants espoused increased patient, family, and provider comfort with PS, which may stem equally from the advent of MAiD and the growth of palliative care in general. Participants also emphasized that, following MAiD, PS is viewed as a less radical intervention. SIGNIFICANCE OF RESULTS: This is the first study to investigate physicians' perspectives on the impact of MAiD on PS. Participants strongly opposed treating MAiD and PS as direct equivalents, given the differences in intent and eligibility. Participants stressed that MAiD requests/inquiries should prompt individualized assessments exploring all avenues of symptom management - the results of which may or may not include PS.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».