Improving End-of-Life Communication and Decision Making: The Development of a Conceptual Framework and Quality Indicators
Notice bibliographique
Résumé
CONTEXT: The goal of end-of-life (EOL) communication and decision making is to create a shared understanding about a person's values and treatment preferences that will lead to a plan of care that is consistent with these values and preferences. Improvements in communication and decision making at the EOL have been identified as a high priority from a patient and family point of view. OBJECTIVES: The purpose of this study was to develop quality indicators related to EOL communication and decision making. METHODS: We convened a multidisciplinary panel of experts to develop definitions, a conceptual framework of EOL communication and decision making, and quality indicators using a modified Delphi method. We generated a list of potential items based on literature review and input from panel members. Panel members rated the items using a seven-point Likert scale (1 = very little importance to 7 = extremely important) over four rounds of review until consensus was achieved. RESULTS: About 24 of the 28 panel members participated in all four rounds of the Delphi process. The final list of quality indicators comprised 34 items, divided into the four categories of our conceptual framework: Advance care planning (eight items), Goals of care discussions (13 items), Documentation (five items), and Organization/System aspects (eight items). Eleven items were rated "extremely important" (median score). All items had a median score of five (moderately important) or greater. CONCLUSION: We have developed definitions, a conceptual framework, and quality indicators that researchers and health care decision makers can use to evaluate and improve the quality of EOL communication and 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 | 0,004 | 0,001 |
| 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 ».