MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404103353 · doi:10.1177/08404704241297037

How the COVID-19 pandemic shaped Canadians’ preferences for setting of dying: Comparison of two panel surveys

2024· article· en· W4404103353 sur OpenAlexafffundabout
Laura Funk, Corey S. Mackenzie, Li-elle Rapaport, Maria Cherba, S. Robin Cohen, Marian Krawczyk, Andrea Rounce, Kelli Stajduhar

Notice bibliographique

RevueHealthcare Management Forum · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensUniversity of VictoriaMcGill UniversityJewish General HospitalUniversity of OttawaUniversity of Manitoba
Organismes subventionnairesFaculty of Medicine, McGill UniversitySocial Sciences and Humanities Research Council of CanadaMcGill University
Mots-clésVignettePandemicCoronavirus disease 2019 (COVID-19)Palliative carePerceptionIntensive care2019-20 coronavirus outbreakMedicineNursingSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Family medicineSocial distancePsychologySocial psychologyIntensive care medicineVirology

Résumé

récupéré en direct d'OpenAlex

The purpose of this article is to assess whether COVID-19 shaped Canadians' preferred settings of dying. We compared data collected using the same survey from two independent but comparable sets of panel respondents, prior to and after the onset of the pandemic. A vignette methodology was used to assess preferences for dying in each of four settings: home, acute/intensive care, palliative care, and long-term residential care. Although preferences for dying at home, in acute/intensive care and palliative care units did not change, preferences for dying in nursing homes significantly declined. In the pandemic's first and second waves, the spread of knowledge about problems of poor care, visitation restrictions, and fears of contagion in Canadian long-term residential care may have shaped public perceptions of and preferences for dying these settings. If this change persists, it may influence advance care planning decisions. That preferences for dying at home did not shift is noteworthy.

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)0,009
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,414
Tête enseignante GPT0,487
Écart entre enseignants0,073 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare Management Forum→Même sujetPalliative Care and End-of-Life Issues→Travaux en français237 207→