Ethical Dilemmas Among Oncology Nurses in China: Cross-Sectional Study
Notice bibliographique
Résumé
Background: Effective communication about cancer prognosis is imperative for enhancing the quality of end-of-life care and improving patient well-being. This practice is sensitive and is heavily influenced by cultural values, beliefs, and norms, which can lead to ethical dilemmas. Despite their significance, ethical challenges in nursing related to prognosis communication are understudied in China. Objective: This study aimed to examine the ethical dilemmas relating to cancer prognosis communication and their associated factors. Methods: A cross-sectional design was employed to survey 373 oncology nurses in mainland China. Data were collected on ethical dilemmas, attitudes, barriers, experiences with prognosis communication, sociodemographics, and practice-related information. Ordinary least squares regressions were used to identify factors contributing to ethical dilemmas. Results: Participants reported a moderate level of ethical dilemmas in prognostic communication (mean 13.5, SD 3.42; range 5-20). Significant predictors of these dilemmas included perceived barriers (P<.001), experiences with prognosis communication (P<.001), and years of work experience (P=.002). Nurses who perceived greater communication barriers, had more negative experiences with prognosis communication, and had less work experience were more likely to encounter ethical dilemmas in prognosis-related communication. Conclusions: Chinese oncology nurses frequently encounter ethical dilemmas, as well as barriers, in communicating cancer prognoses. This study's findings emphasize the importance of culturally tailored communication training. Collaborative interprofessional training, particularly through physician-nurse partnerships, can perhaps enhance the proficiency of cancer prognosis-related communication.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».