Involvement of supportive care professionals in patient care in the last month of life
Notice bibliographique
Résumé
BACKGROUND: In the last month of life, many patients suffer from multiple symptoms and problems. Professional supportive care involvement may help to alleviate patients' suffering and provide them with an optimal last phase of life. PURPOSE: We investigated how often palliative care consultants, pain specialists, psychological experts and spiritual caregivers are involved in caring for patients in the last month of life, and which factors are associated with their involvement. METHODS: Questionnaires were mailed to physicians who had attended the death of a patient from a stratified sample of 8496 deaths that had occurred in 2010 in the Netherlands. The response rate was 74 % (n = 6263). RESULTS: A palliative care team or consultant had been involved in the last month of life in 12 % of all patients for whom death was expected; this percentage was 3 % for pain specialists, 6 % for psychologists or psychiatrists and 13 % for spiritual caregivers. Involvement of palliative care or pain specialists was most common in younger patients, in patients with cancer and in patients who died at home. Involvement of psychological or spiritual caregivers was most common in older patients, in females, in patients with dementia and in patients who died in a nursing home. Involvement of supportive caregivers was also associated with the use of morphine and end-of-life decisions. CONCLUSION: Supportive care professionals are involved in end-of-life care in about a quarter of all non-suddenly dying patients. Their involvement is related to the setting where patients die, to the patient's characteristics and to complex ethical decision-making.
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 | 0,000 | 0,001 |
| 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 ».