Denial as an ethical problem: the example of ICU triage in the context of the COVID-19 pandemic
Notice bibliographique
Résumé
Objectives: The overall goal of this article is to show that denial is one of the greatest obstacles to good practical judgment and is therefore a major problem in clinical ethics by examining its cognitive structure and the challenges it poses for clinical ethics consultation and intervention. In addition to clinical examples, excerpts of verbatim from citizen forums on triage protocols will be used to illustrate the manifestations of denial in citizens when faced with difficult choices. Case presentation: The initial waves of the pandemic and the alarming resurgence of cases with the emergence of highly transmissible variants have created increased pressure on many healthcare systems around the world. These critical situations have activated the potential for health authorities in different countries to use triage protocols to manage access to critical care. In several cases, public opinion was alerted, creating a climate of concern and even suspicion among the general population. These debates have highlighted both the importance and the difficulty of basing triage choices and the allocation of scarce resources on an ethical or moral reasoning that commands strong support. The obstacles to this consensus are numerous. There is, of course, the diversity of beliefs and values, but also a mechanism that has been very little documented in clinical ethics: denial. Conclusions: Denial poses major problems for providers and professionals in healthcare settings. In the face of maladaptive behaviors such as denial, psychotherapy uses techniques that act on both the cognitive and affective levels. Many of these techniques require long-term work that can only be accomplished in the context of professionally supervised therapy, but some tips can be identified for mediation and the work of the clinical ethicist.
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 | 0,020 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,028 | 0,025 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,016 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».