Eye Donation From Individuals Receiving Medical Assistance in Dying: Retrospective Chart Review of the Eye Bank of Canada (Ontario Division)
Notice bibliographique
Résumé
PURPOSE: In Canada, Medical Assistance in Dying (MAiD) became a legal option for patients in 2016. The characteristics of MAiD donors, specifically for ocular tissue transplantation, have not been studied. The goal of this study was to explore the demographics and health status of these individuals. METHODS: A retrospective chart review of MAiD donors from the Eye Bank of Canada (Ontario Division) from January 2019 to March 2024 was conducted. Variables recorded included demographics, medical status, mechanism of death, consent and referral process, and tissue utilization. RESULTS: There were 475 eye donors (6.1% of all eye donors) who underwent the MAiD provision. The average age of donors was 70 years (SD: 5.42), and 50.5% (240/475) were male. Cancer was the most common mechanism of death, in 70% (332) of cases. First-person consent was obtained only 35% (164/474) of the time for ocular tissue donation, and 90% of donors (428/475) were referred from hospitals. Sixty-three percent of eyes were eligible for transplantation, while 37% were eligible for research and training. The most common surgical indication for transplant was endothelial dystrophies/failure (35%, 167/484). CONCLUSIONS: This study highlights the unique characteristics of eye donors who chose the MAiD provision. Hospitals made up 90% of MAiD referrals, and only 35% of MAiD donors consented on their own behalf. Efforts should be made to expand referrals for MAiD donation from nonhospital organizations. Furthermore, once MAiD eligibility has been determined, support should be provided to health care providers to navigate difficult discussions around donation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».