Toward population‐based indicators of quality end‐of‐life care
Notice bibliographique
Résumé
BACKGROUND: Quality indicators (QIs) are tools designed to measure and improve quality of care. The objective of this study was to assess stakeholder acceptability of QIs of end-of-life (EOL) care that potentially were measurable from population-based administrative health databases. METHODS: After a literature review, the authors identified 19 candidate QIs that potentially were measurable through administrative databases. A modified Delphi methodology, consisting of multidisciplinary panels of cancer care health professionals in Nova Scotia and Ontario, was used to assess agreement on acceptable QIs of EOL care (n = 21 professionals; 2 panels per province). Focus group methodology was used to assess acceptability among patients with metastatic breast cancer (n = 16 patients; 2 groups per province) and bereaved family caregivers of women who had died of metastatic breast cancer (n = 8 caregivers; 1 group per province). All sessions were audiotaped, transcribed verbatim, and audited, and thematic analyses were conducted. RESULTS: Through the Delphi panels, 10 QIs and 2 QI subsections were identified as acceptable indicators of quality EOL care, including those related to pain and symptom management, access to care, palliative care, and emergency room visits. When Delphi panelists did not agree, the principal reasons were patient preferences, variation in local resources, and benchmarking. In the focus groups, patients and family caregivers also highlighted the need to consider preferences and local resources when examining quality EOL care. CONCLUSIONS: The findings of this study should be considered when developing quality monitoring systems. QIs will be most useful when stakeholders perceive them as measuring quality care.
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) | 0,000 | 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 ».