Quality of End-of-Life Cancer Care in Canada: A Retrospective Four-Province Study Using Administrative Health Care Data
Notice bibliographique
Résumé
BACKGROUND: The quality of data comparing care at the end of life (eol) in cancer patients across Canada is poor. This project used identical cohorts and definitions to evaluate quality indicators for eol care in British Columbia, Alberta, Ontario, and Nova Scotia. METHODS: This retrospective cohort study of cancer decedents during fiscal years 2004-2009 used administrative health care data to examine health service quality indicators commonly used and previously identified as important to quality eol care: emergency department use, hospitalizations, intensive care unit admissions, chemotherapy, physician house calls, and home care visits near the eol, as well as death in hospital. Crude and standardized rates were calculated. In each province, two separate multivariable logistic regression models examined factors associated with receiving aggressive or supportive care. RESULTS: Overall, among the identified 200,285 cancer patients who died of their disease, 54% died in a hospital, with British Columbia having the lowest standardized rate of such deaths (50.2%). Emergency department use at eol ranged from 30.7% in Nova Scotia to 47.9% in Ontario. Of all patients, 8.7% received aggressive care (similar across all provinces), and 46.3% received supportive care (range: 41.2% in Nova Scotia to 61.8% in British Columbia). Lower neighbourhood income was consistently associated with a decreased likelihood of supportive care receipt. INTERPRETATION: We successfully used administrative health care data from four Canadian provinces to create identical cohorts with commonly defined indicators. This work is an important step toward maturing the field of eol care in Canada. Future work in this arena would be facilitated by national-level data-sharing arrangements.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».