Family caregivers’ administration of medications at the end-of-life in China: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Effective medication management is crucial for ensuring timely pain and symptom control at the end of life. Dying in pain is a major concern for patients, yet some find less effective pain control at home. Family caregivers (FCGs) play a vital role in managing pain and symptom control for dying patients. However, the experience of administering medications at home for terminal-stage patients has not been widely recognized or understood. Our study aimed to explore the experiences of FCGs in administering medications to adult dying patients. METHODS: We conducted a directed content analysis of data from 73 semi-structured interviews with FCGs across 19 Chinese provinces from 2021 to 2023. FCGs were recruited through the Voluntary Cooperative Network Research. We asked, "Could you recall the end-of-life care process for the patients?" We aligned the themes with the five issues identified by Wilson et al. (2018): administration, organizational skills, empowerment, relationships, and support. RESULTS: FCGs in China exhibit concerns about over-engagement and empowerment in medication administration, concealing medication information from the patient, and medication accessibility. FCGs faced significant challenges in accurately identifying and addressing pain and symptoms, determining appropriate dosages, accessing effective medications, and managing the emotional stress associated with potential medication errors. Financial burden, medication regulatory restrictions, geographical inequality, and travel restrictions during COVID impeded patients and FCGs from accessing medication. A culturally specific finding is the use of alternative medicine at the end of life. CONCLUSION: Our findings build upon Wilson et al.'s framework and extend their insights on empowerment, highlighting the need for policies to support home-based palliative care professionals in training FCGs for effective medication administration.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».