MétaCan
Menu
Retour à la cohorte
Enregistrement W4394868993 · doi:10.1093/medlaw/fwae012

‘My Advocacy is Not About Me, My Advocacy is About Canadians’: A Qualitative Study of how Caregivers and Patients Influence Regulation of Medical Assistance in Dying in Canada

2024· article· en· W4394868993 sur OpenAlexaffabout
Ruthie Jeanneret, Eliana Close, Jocelyn Downie, Lindy Willmott, Ben White

Notice bibliographique

RevueMedical Law Review · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensDalhousie University
Organismes subventionnairesAustralian Government
Mots-clésLegislatureSupreme courtLawPolitical scienceAction (physics)LegislationRegulatory reformPublic administrationSociologyNursingMedicine

Résumé

récupéré en direct d'OpenAlex

Medical assistance in dying (MAiD) was legalised federally in Canada after the Supreme Court decision in Carter v Canada (Attorney General) [2015] 1 SCR 331. The federal legislative framework for MAiD was established via Bill C-14 in 2016. Caregivers and patients were central to Carter and subsequent litigation and advocacy, which resulted in amendments to the law via Bill C-7 in 2021. Research has primarily focused on the impacts of regulation on caregivers and patients. This qualitative study investigates how caregivers and patients influence law reform and the operation of MAiD practice in Canada (ie, behave as 'regulatory actors'), using Black's definition of regulation. We found that caregivers and patients performed sustained, focused, and intentional actions that influenced law reform and the operation of MAiD in practice. Caregivers and patients are not passive objects of Canadian MAiD regulation, and their role in influencing regulation (eg, law reform and MAiD practice) should be supported where this is desired by the person. However, recognising the burdens of engaging in regulatory action to address barriers to accessing MAiD or to quality care, and MAiD system gaps, other regulatory actors (eg, governments) should minimise this burden, particularly where a person engages in regulatory action reluctantly.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,492

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0400,028
Communication savante0,0070,005
Science ouverte0,0040,007
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,433
Écart entre enseignants0,389 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Law ReviewMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207