Medical assistance in dying for people living with mental disorders: a qualitative thematic review
Notice bibliographique
Résumé
BACKGROUND: Medical assistance in dying (MAiD) sparks debate in several countries, some of which allow or plan to allow MAiD where a mental disorder is the sole underlying medical condition (MAiD-MD). Since MAiD-MD is becoming permissible in a growing number of jurisdictions, there is a need to better understand the moral concerns related to this option. Gaining a better understanding of the moral concerns at stake is a first step towards identifying ways of addressing them so that MAiD-MD can be successfully introduced and implemented, where legislations allow it. METHODS: Thus, this article aims (1) to better understand the moral concerns regarding MAiD-MD, and (2) to identify potential solutions to promote stakeholders' well-being. A qualitative thematic review was undertaken, which used systematic keyword-driven search and thematic analysis of content. Seventy-four publications met the inclusion criteria. RESULTS: Various moral concerns and proposed solutions were identified and are related to how MAiD-MD is introduced in 5 contexts: (1) Societal context, (2) Healthcare system, (3) Continuum of care, (4) Discussions on the option of MAiD-MD, (5) MAiD-MD practices. We propose this classification of the identified moral concerns because it helps to better understand the various facets of discomfort experienced with MAiD-MD. In so doing, it also directs the various actions to be taken to alleviate these discomforts and promote the well-being of stakeholders. CONCLUSION: The assessment of MAiD-MD applications, which is part of the context of MAiD-MD practices, emerges as the most widespread source of concern. Addressing the moral concerns arising in the five contexts identified could help ease concerns regarding the assessment of MAiD-MD.
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 | 0,031 | 0,228 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».