Barriers to Staff Involvement in End-of-Life Decision-Making for Long-Term Care Residents with Dementia
Bibliographic record
Abstract
RÉSUMÉ Bien que le personnel infirmier (autorisé et auxiliaire) et de soutien à la personne des centres de soins de longue durée (CSLD) fournisse des soins directs aux résidents atteints de démence, son implication est rarement considérée dans la prise de décisions en fin de vie. L’objectif de cette étude était d’examiner les obstacles et les facilitateurs à la participation du personnel des CSLD dans la prise de décisions liées à la fin de vie chez les personnes atteintes de démence sévère. Nous présentons les obstacles rencontrés en matière de participation à cette prise de décision pour ces travailleurs. Un design descriptif interprétatif a permis de mettre en évidence quatre principaux obstacles liés à la participation du personnel dans la prise de décisions : a) la prédominance d’un modèle de soins biomédical, b) les divergences dans la compréhension de l’approche palliative, c) la complexité des relations avec les familles, et d) le malaise associé aux discussions concernant le décès. Les résultats suggèrent que le modèle biomédical, qui est important et prédominant dans les CSLD, devrait s’inspirer d’une approche philosophique mettant davantage l’accent sur les relations entre les résidents atteints de démence, leur famille et le personnel.
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 | 0.041 | 0.109 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".