Medical Assistance in Dying in Patients With Cancer
Notice bibliographique
Résumé
PURPOSE: Medical assistance in dying (MAiD) was legalized in Canada in 2016. To date, patients with cancer account for 69% of MAiD deaths, yet little information is available about these patients. We reviewed disease and treatment characteristics of patients with cancer who underwent MAiD to better understand this population and identify gaps in our current system of care. MATERIALS AND METHODS: Patients with cancer who underwent MAiD through the Champlain Regional MAiD Network from June 2016 to November 2020 were reviewed. Baseline demographic, diagnostic, and treatment details were collected by retrospective review. RESULTS: During the study period, 255 patients with cancer underwent MAiD. At the time of MAiD, 201 patients (79%) had metastatic disease. Most prevalent solid organ tumors were gastrointestinal (30%), lung (18%) and genitourinary (14%). MAiD was primarily provided in the home (48%) or an acute inpatient facility (40%). One hundred eighty-nine (74%) patients were evaluated by medical oncology, 23 by gynecology oncology (9%), 11 by hematology oncology (4%), and 177 (69%) by radiation oncology. One hundred fifty-eight (62%) patients were not seen by oncology specialists in the 30 days prior to MAiD. One hundred fifty-nine patients (62%) had at least one line of systemic therapy, 138 patients (54%) received radiotherapy, and 61 patients (24%) did not receive cancer-directed treatment. Palliative care assessed at least 213 patients (84%). Common reasons for pursuing MaiD included disease-related symptoms (33%), fear of future suffering or disability (19%), and the ability to control the time and manner of death (17%). In 36% of cases, the reason was not documented. CONCLUSION: Although formal oncology consultation is not required before MAiD, with an ever-increasing number of novel cancer therapies, oncologists, cancer centers, and MAiD providers should consider collaborating to ensure a streamlined assessment process for patients.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».