A Prospective Determination of the Incidence of Perceived Inappropriate Care in Critically Ill Patients
Notice bibliographique
Résumé
BACKGROUND: Health care providers' perceptions regarding appropriateness in end-of-life treatments have been widely studied. While nurses and physicians believe that rationing and other cost-related practices sometimes occur in the intensive care unit (ICU), they allege that treatment is often excessive. OBJECTIVE: To prospectively determine the incidence and causes of health care providers' perceptions regarding appropriateness of end-of-life treatments. METHODS: The present prospective study collected data from patients admitted to the medical-surgical trauma ICU of a 30-bed, Canadian teaching hospital over a three-month period. Daily surveys were completed independently by bedside nurses, charge nurses and attending physician. RESULTS: In total, 5224 of 6558 expected surveys (representing 294 patients) were analyzed, yielding a response rate of 79.7%. The incidence of perceived inappropriate care in the present study was 6.5% (19 of 294 patients), with ongoing treatment for >2 days after this determination occurring in 1% (three of 294 patients). However, at least one caregiver perceived inappropriate care at some point in 110 of 294 (37.5%) patients. In these cases, in which processes to address care were not already underway, respondents believed that important issues resulting in provision of inappropriate treatments included patient-family issues and communication before or in the ICU. Caregivers did not know their patients' wishes 22% (1129 of 5224) of the time. CONCLUSIONS: Although ongoing inappropriate care appeared to be a rare occurrence, the issue was a concern to at least one caregiver in one-third of cases. Public awareness for end-of-life issues, adequate communication, and up-to-date knowledge and practice in determining the wishes of critically ill patients are potential target areas to improve end-of-life care and reduce inappropriate care in the ICU. A daily, prospective survey of multidisciplinary caregivers, such as the survey used in the present study, is a viable and valuable means of determining the scope and causes of inappropriate care in the ICU.
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 | 0,000 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».