Enabling a family caregiver-led assessment of support needs in home-based palliative care: Potential translation into practice
Notice bibliographique
Résumé
BACKGROUND: Systematic assessment of family caregivers' support needs and integrating these into service planning according to evidence-based research are vital to improving caregivers' outcomes and their capacity to provide care at end of life. AIM: To describe the experience with and feedback of nurses on implementing a systematic assessment of support needs with family caregivers in home-based palliative care, using the Carer Support Needs Assessment Tool. METHODS: This study was conducted during 2012-2014 in Silver Chain Hospice Care Service in Western Australia. This article reports on one part of a three-part evaluation of a stepped wedge cluster trial. Forty-four nurses who trialled the intervention with 233 family caregivers gave their feedback via surveys with closed- and open-ended questions (70.5% response rate). Analyses of quantitative and qualitative data were undertaken. RESULTS: The feedback of nurses was overwhelmingly positive in terms of perceived benefits in comparison to standard practice both from the family caregiver and service provider perspectives. Using the Carer Support Needs Assessment Tool was described by nurses as providing guidance, focus and structure to facilitate discussion with family caregivers and as identifying needs and service responses that would not otherwise have been undertaken in a timely manner. CONCLUSION: Our study has successfully addressed the call for alternatives to the professional assessment paradigm using the Carer Support Needs Assessment Tool approach as a caregiver-led intervention facilitated by health professionals. Integrating the Carer Support Needs Assessment Tool in existing practice is fundamental to achieving better caregiver outcomes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».