Clinical and ethical challenges in decision-making for patients with disorders of consciousness and locked-in syndrome from Chinese neurologists’ perspectives
Notice bibliographique
Résumé
Background: The diagnosis of and life-sustaining treatment (LST) for patients with disorders of consciousness (DoC) and locked-in syndrome (LIS) have been the subject of intense debate. Objective: We aim to investigate the application of diagnostic knowledge, opinions about the administration of LST, and ethical challenges related to DoC and LIS. Design: A cross-sectional study. Methods: A survey was conducted among Chinese neurologists. Questionnaires included three vignettes (unresponsive wakefulness syndrome (UWS); minimally conscious state (MCS), and LIS). They were randomly distributed among neurologists from August 2018 to December 2019. Results: A sample of 360 questionnaires was included (response rate: 78%). Overall, 63% of the participants chose the correct diagnostic category. The neurologists who received the MCS case chose the category more accurately than the neurologists with the UWS ( p < 0.001) and LIS case ( p = 0.002). Most neurologists preferred never to limit LST for their patients (47%, 63%, and 67% in UWS, MCS, and LIS groups, p = 0.052). A large group of neurologists believed UWS patients could feel pain (73%), with no difference from MCS and LIS patients ( p > 0.05). Deciding for patients in the absence of surrogates was rated extremely challenging. Conclusion: A large proportion of Chinese neurologists in our study didn’t apply the accurate diagnostic categories to the description of DoC and LIS patients. This calls for more education and training. Most Chinese neurologists were reluctant to limit LST for patients. This may indicate that there may be a need to emphasize the allocation of more resources toward long-term care in China.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».