Lived experiences of palliative care physicians on the impacts of language and cultural discordance on end-of-life care across Ontario, Canada: a qualitative study using the intersectionality-based policy framework
Notice bibliographique
Résumé
BACKGROUND: Language and cultural discordance refer to when a physician and patient do not share the same language or culture. This can create barriers to providing high-quality care at the end-of-life (EoL). This study explores the intersections of language, culture, geography, and care model in EoL care from the perspectives of palliative care physicians. METHODS: In this exploratory-descriptive qualitative study, semi-structured interviews (1-h) were conducted virtually between July and November 2023. We interviewed 16 family physicians with experience providing linguistic and/or culturally discordant palliative/EoL care in various urban, suburban, and rural regions of Ontario, who practiced at community and hospital outpatient clinics, home-based care, or long-term care homes. We used reflexive thematic analysis to identify themes across the interviews guided by the intersectionality theoretical framework. RESULTS: We identified three themes 1) Visible barriers to care access due to the inability to communicate accurate information and insufficient time spent during appointments with patients; 2) Invisible barriers to care access, shaped by the Eurocentric approach to palliative care and physicians' lack of awareness on cultural discordance; 3) Workplace supports that currently exist and interventions that physicians would like to see. Community physicians following fee-for-service models were less likely to have access to professional interpreter services. Physicians in long-term care emphasized resource limitations to providing culturally-appropriate care environments. CONCLUSION: Cultural discordance required awareness of personal biases, while language discordance hindered basic communication. These findings will be useful in informing clinical practice guidelines and mobilizing policy-level change to improve palliative/EoL care for patients from linguistic and cultural minority groups.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,012 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| 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 ».