Factors associated with acute care use among nursing home residents dying of cancer: a population-based study
Notice bibliographique
Résumé
BACKGROUND: Little is known about residents of long-term care (LTC) facilities who die of cancer. The authors examined factors among this cohort prognostic of greater acute care use to identify areas for improving support in LTC. METHODS: The authors used administrative data representing all cancer decedents in Ontario, Canada, who had been living in LTC. Binary logistic regression was used to examine the contribution of covariates to having an emergency department (ED) visit in the last 6 months of life or to death in hospital. RESULTS: Among the 1196 LTC residents in the study cohort, 61% had visited an ED in the last 6 months of life and 20% had died in hospital. Cancer type, income, gender, time in LTC and rural location were not strong predictors of the acute care outcomes. However, certain comorbidities, being younger and region of residence significantly increased the odds of an ED visit and/or hospital death (all P<0.05). CONCLUSIONS: Determining the characteristics of LTC patients more likely to access acute care services can help to inform interventions that avoid costly and potentially adverse transfers to hospital. The study of cancer patients in LTC represents a starting point for clarifying the potential of specialised palliative care nursing and other support that is often lacking in these facilities.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».