Aide médicale à mourir pour les personnes inaptes à consentir à la suite d’un trouble neurocognitif majeur : préoccupations de travailleurs sociaux du Québec
Bibliographic record
Abstract
L’aide médicale à mourir (AMM) n’est pas accessible, à ce jour, aux personnes inaptes à consentir à la suite d’un trouble neurocognitif majeur qui l’auraient demandée de façon anticipée. Un questionnaire destiné aux travailleurs sociaux a été conçu pour évaluer l’acceptabilité d’étendre l’AMM à cette population. Une analyse quantitative des réponses, déjà publiée (Bravo et al., 2022) montre que la majorité des travailleurs sociaux appuie l’idée de donner aux personnes inaptes accès à l’AMM. Le présent article rapporte les résultats d’une analyse qualitative des commentaires laissés par les répondants à la fin du questionnaire, à travers lesquels ils expriment des préoccupations. Des 367 questionnaires retournés, 162 incluent des commentaires. Les principales préoccupations soulevées ont trait aux difficultés d’application des demandes anticipées, au risque d’abus et à l’incapacité du système de santé de répondre aux besoins des personnes qui vivent avec un trouble neurocognitif majeur. Advenant la légalisation des demandes anticipées d’AMM, les travailleurs sociaux souhaitent être impliqués dans le processus, être formés et être soutenus dans leurs démarches.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".