Enhancing end-of-life care in Ghana: nurse strategies and practices in addressing patient needs
Notice bibliographique
Résumé
BACKGROUND: Globally, end-of-life care is vital for individuals in their final months or years, emphasizing comfort and dignity. However, the provision of palliative care in low-resource countries, such as Ghana, remains inadequately documented and poorly understood. This study aimed to identify the specific end-of-life care needs of patients and families and explore strategies to enhance end of life care practices among nurses in selected settings in Accra, Ghana. METHODOLOGY: This qualitative research utilized in-depth, one-on-one interviews using semi-structured interviews in a sample of N = 32 nurses working in two selected hospitals in Ghana. Thematic content analysis was used to analyze the data. Participants were purposively selected, with the sample size determined by data saturation. RESULTS: The analysis identified three main themes and eleven subthemes. The main themes were: providing dignity and comfort care, respecting ethical values, and perceptions of end-of-life care. The subthemes included: showing presence, demonstrating compassion, addressing challenges in end-of-life conversations, fostering autonomy and respect, managing gratitude and discontent, helping patients accept their condition, seeking additional training, building emotional connections, involving families, and respecting patients' cultural, social, and religious beliefs. The participants had cared for or were currently caring for patients aged 50-75 years with cancer, organ failures, Advanced Heart diseases and cognitive disorders. Participants described their efforts to make the last days of their patients and families memorable as possible. CONCLUSIONS: Nurses in Ghana provide compassionate care, addressing pain relief, ethical concerns, and patient expressions of gratitude and discontent, with their efforts influenced by religious and cultural factors. To enhance end of life care quality, policymakers should implement structured end-of-life care training for nurses and develop culturally aligned palliative care guidelines to meet the needs of patients receiving end of life care.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».