MAiD, Mental Disorder, and Capacity: Recognizing the Complexity of Moral Agency in Capacity Assessment
Notice bibliographique
Résumé
Medical assistance in dying (MAiD) has become a prominent form of end-of-life care within the Canadian health system, yet it is not without its critics. Drawing even more critical attention is the possibility of Canada expanding MAiD eligibility to persons who suffer from mental disorder as their sole underlying medical condition (MAiD MD-SUMC). Unlike physical conditions that cause pain and suffering, mental disorder has the intrinsic potential to affect one’s ability to understand and appropriately value the consequences of one’s actions and decisions. There is thus a significant risk that a patient who has requested MAiD MD-SUMC may be unable to provide valid consent due to an impaired ability to either: 1) adequately understand the consequences of receiving MAiD or 2) place that consequence within a consistent set of values. Due to the important ways in which mental disorder can affect one’s values and desires, this paper argues that we must evaluate decision-making capacity in a more holistic way that includes both cognitive and evaluative factors. My argument is based upon a presentation of the evaluative factors involved in decision-making, a demonstration that these factors may be significantly affected by mental illness, and a suggestion that we require more holistic criteria for capacity evaluation than the excessively cognitive criteria espoused by most commonly used assessment tools. Because of the interplay between these aspects of my argument and the extremely high stakes involved in MAiD assessments, I suggest that capacity evaluations (both in general and especially for MAiD requests) ought to incorporate an aspect of narrative assessment by which the patient’s values and self-understanding can be better assessed.
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 | 0,002 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».