What a Hug Does: A Qualitative Study of Chinese Immigrant Families’ Experiences with Inpatient Palliative Care Specialists
Notice bibliographique
Résumé
Background: Compared with non-Chinese adults in high-income countries, ethnically Chinese patients are more likely to encounter palliative care (PC) closer to death and in hospital settings. Yet, Chinese families' experiences and perception of inpatient PC remain unknown. Objective: Identify barriers and facilitators to culturally respectful PC for Chinese immigrant inpatients and their caregivers. Design: Prospective, exploratory qualitative design involving phenomenological interviews. Setting/Subjects: = 10) in Mandarin and/or English. The interviews were recorded, transcribed, translated, and thematically analyzed using Tan's Health Communication framework. Results: Patients were older-aged (mean = 73.5 ± 16.2 years), 53.3% female, 60% college-educated, 66.7% nonreligious, and 93.3% diagnosed with cancer and had low acculturation (mean = 1.8 ± 0.9/5.0). Caregivers were middle-aged (mean = 50.6 ± 15.5 years), 78.6% children, 57.1% female, 85.7% college-educated, and 71.4% nonreligious and had moderate acculturation (mean = 2.5 ± 1.2/5.0). We identified four themes from post-consultation interviews: abandonment and alienation mark past experiences with serious illness care; emphasizing expertise and symptom relief may help overcome initial ambivalence toward PC; PC brokers competing priorities within the family unit; and PC alleviates time-related distress by addressing illness understanding. Conclusion: Chinese patients and caregivers may prefer a PC approach that is sensitive to historical mistrust, leverages expertise in symptom management to inspire confidence, and accommodates the information and care preferences of the family unit. Further research is needed to examine the impact of these PC strategies on clinical outcomes for Chinese families.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,009 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».