Family Physician Continuity of Care and Emergency Department Use in End-of-Life Cancer Care
Notice bibliographique
Résumé
BACKGROUND: Despite cancer patients preferring to spend their last days out-of-hospital, many make difficult visits to the emergency department (ED). Family physician continuity of care has been shown in some clinical situations to reduce ED utilization. OBJECTIVE: To determine if greater family physician continuity of care for cancer patients during the end-of-life is associated with less ED utilization. METHOD: This retrospective, population-based study involved secondary analysis of linked administrative data files for 1992 to 1997. Sources included the Nova Scotia Cancer Registry, Vital Statistics, the Queen Elizabeth II Health Sciences Center Oncology Patient Information System and Palliative Care Program (PCP), Hospital Admissions/Separation data, and Physician Services information. Subjects included adults with a recorded date of cancer diagnosis who died of cancer and who had made at least three visits to a family physician during their last 6 months of life. The relationship between total ED visits and family physician continuity of care, developed using the Modified Modified Continuity Index (MMCI), was examined using negative binomial regression with adjustments for survival, year of death, sex, age, cancer type, region, PCP admission, specialty visits, hospital days, death location, income quintile, and total ambulatory visits. RESULTS: In total, 8702 subjects made 11,551 ED visits (median = 1.0); median MMCI was 0.83. Adjusted results indicate those experiencing low continuity (MMCI < 0.5) made 3.9 times more ED visits (rate ratio [RR] = 3.93; 95% CI [CI] = 3.57-4.34) than those experiencing high continuity (MMCI > or = 0.8) and patients experiencing moderate continuity (MMCI = 0.5-0.8) made twice as many ED visits (RR = 2.28; CI = 2.15-2.42). CONCLUSION: Given this significant association between family physician continuity of care and ED visits during the end-of-life, and given international trends to reform primary care, active planning of strategies to facilitate such continuity should be encouraged.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».