Le « bien mourir » perçu dans une approche de l’auto-transcendance et de la transition : deux théories de soin utiles pour l’infirmière
Bibliographic record
Abstract
Accompagner la personne mourante et la mort est une démarche qui désarme bien souvent les soignants. Nous nous proposons d’exposer dans quelle mesure les savoirs théoriques infirmiers représentent un appui pour les praticiens qui accompagnent la fin de vie en appliquant deux théories de soin : la théorie de l’auto-transcendance de Reed et la théorie de la transition de Meleis. Notre lecture de la théorie de l’autotranscendance montre trois repères de la conception du bien mourir. Le premier repose sur les ouvertures qui se déploient à partir de la vulnérabilité qu’inspire le contexte du mourir. Le deuxième concerne la capacité du patient à mobiliser ses stratégies intrapersonnelles, interpersonnelles et transpersonnelles et le troisième s’intéresse aux bienfaits de l’aboutissement de l’auto-transcendance. Quant à la théorie de la transition, celle-ci nous propose trois repères. Le premier repose sur le fait d’informer le patient sur les soins palliatifs et lui dire la vérité sur son pronostic. Le deuxième concerne la coordination de l’équipe interprofessionnelle au service du mourant. Le fait d’engager les soins palliatifs au moment opportun représente le dernier critère. Il permet de délivrer une éducation au malade qui désire mourir à domicile et de créer ainsi un environnement favorable à la transition.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.045 |
| Scholarly communication | 0.010 | 0.017 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".