Development of an Explanatory Model of Resuscitation Preference Decision Making
Notice bibliographique
Résumé
CONTEXT: Establishing resuscitation preferences prior to a medical emergency is a well-recognized component of hospital practice. When done effectively, these help to ensure that care received aligns with patient wishes. In practice however, these conversations can be challenging and influences on choice are not well understood. OBJECTIVES: Objectives: The purpose of this study was to identify influences on patient resuscitation preferences and their relationship to each other, with the aim of developing an explanatory model. METHODS: Constructivist grounded theory was used to analyze 107 clinical notes from a dataset of detail-rich resuscitation preference conversation narratives. Sampling was purposeful and focused on maximum variation. Iterative data collection and analysis and constant comparison was used to enhance rigor as was the incorporation, in later stages of the analysis, of existing theories and models. RESULTS: Twenty-seven coding categories were developed and integrated into the resuscitation preferences conversation model that described the interaction and relationship between influences. Within the model, three categories (Ability to Engage in Meaningful Activity, Trajectory, and Perceptions and Beliefs) informed patient and Substitute Decision Maker (SDM) preferences, while an additional two categories (Social and Knowing, and Experiences) informed substitute decision maker choice. CONCLUSIONS: The developed model builds on prior work and helps explain the relationship between influences and preferences. The integration of both patient and substitute decision maker perspective into the model shows the complexity of the substitute decision maker role in decision-making. The model should be used in conjunction with existing conversation guides to support effective resuscitation preference conversations.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».