Intensive care nurses’ experiences of breakpoint conversations : A qualitative interview study
Bibliographic record
Abstract
Bakgrund: Under år 2022 vårdades cirka 42 200 patienter på IVA runtom i Sverige. Åtta % av de som vårdades på IVA avled. Detta innebär att intensivvårdssjuksköterskor möter patient och närstående i en svår tid. I arbetet som intensivvårdssjuksköterska förekommer brytpunktssamtal. Detta ställer krav på att intensivvårdssjuksköterskan är förberedd på att möta både patientens och närståendes känslor som uppkommer när beslut tas om att avbryta behandling. Syfte: Syftet med studien var att undersöka intensivvårdssjuksköterskors erfarenheter av brytpunktssamtal på en allmän intensivvårdsavdelning. Metod: En kvalitativ studie där intensivvårdssjuksköterskor harintervjuats i fokusgrupper. Materialet har analyserats med en kvalitativ innehållsanalys. Resultat: I resultatet framkom det fem kategorier; ”När vården ändrar riktning”, ”Att vara trygg i professionen”, ”Samverkan i det professionella teamet”, ”Konsten att förmedlabesked” och ”Ge utrymme för tid och känslor”. För intensivvårdssjuksköterskorna innebar ordet brytpunktssamtal att förmedla svårt besked till patient och närstående. Att ge tid till att svara på frågor, samarbete mellan olika professioner och resursbrist var det som belystes mest. Slutsats: Brytpunktssamtal påverkar alla inblandade, både patient, närstående och vårdpersonal. Intensivvårdssjuksköterskorna har en betydelsefull roll i hur brytpunktssamtalet förmedlas och tas emot. Förståelse för sin roll i brytpunktssamtalet är nödvändig för att kunna möta patient och närstående i en svår tid i livet.
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 | 0.019 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.007 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.005 | 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".