MétaCan
Menu
Retour à la cohorte
Enregistrement W1961777747 · doi:10.1200/jop.2015.004416

Quality Indicators of End-of-Life Care in Patients With Cancer: What Rate Is Right?

2015· article· en· W1961777747 sur OpenAlexaffabout
Lisa Barbera, Hsien Seow, Rinku Sutradhar, Anna Chu, Fred Burge, Konrad Fassbender, Kim McGrail, Beverley Lawson, Ying Liu, Reka Pataky, Alex Potapov

Notice bibliographique

RevueJournal of Oncology Practice · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensCanadian Centre for Applied Research in Cancer ControlInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésMedicineVariation (astronomy)End-of-life careQuality of life (healthcare)Quality (philosophy)CancerGerontologyDemographyPalliative careNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To develop data-driven and achievable benchmark rates for end-of-life quality indicators using administrative data from four provinces in Canada. METHODS: Indicators of end-of-life care were defined and measured using linked administrative data for 33 health regions across British Columbia, Alberta, Ontario, and Nova Scotia. These were emergency department use, intensive care unit admission, physician house calls and home care visits before death, and death in hospital. An empiric benchmark was defined using indicator rates from the top-ranked regions to include the top decile of patients overall. Funnel plots were used to graph each region's age- and sex-adjusted indicator rates along with the overall rate and 95% confidence limits. RESULTS: Rates varied approximately two- to four-fold across the regions, with physician house calls showing the greatest variation. Benchmark rates based on the top decile performers were emergency department use, 34%; intensive care unit admission, 2%; physician house calls, 34%; home care visits, 63%; and death in hospital, 38%. With the exception of intensive care unit admission, funnel plots demonstrated that overall indicator rates and their confidence limits were uniformly worse than benchmarks even after adjusting for age and sex. Few regions met the benchmark rates. CONCLUSION: There is significant variation in end-of-life quality indicators across regions in four provinces in Canada. Using this study's methods-deriving empiric benchmarks and funnel plots-regions can determine their relative performance with greater context that facilitates priority setting and resource deployment. Applying this study's methods can support quality improvement by decreasing variation and striving for a target.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,065
score de la tête « metaresearch » (Gemma)0,245
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,649
Score d'incertitude au seuil0,706

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,245
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,010
Études des sciences et des technologies0,0010,002
Communication savante0,0050,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,481
Écart entre enseignants0,365 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Oncology PracticeMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207