MétaCan
Menu
Retour à la cohorte
Enregistrement W2134932748 · doi:10.1097/wad.0b013e318169d669

Identifying the Factors That Facilitate or Hinder Advance Planning by Persons With Dementia

2008· article· en· W2134932748 sur OpenAlexaff
Karen B. Hirschman, Jennifer Kapo, Jason Karlawish

Notice bibliographique

RevueAlzheimer Disease & Associated Disorders · 2008
Typearticle
Langueen
DomainePsychology
ThématiqueHealthcare Decision-Making and Restraints
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesNational Institute on AgingU.S. Public Health Service
Mots-clésEstate planningAdvance care planningDirectiveDementiaPsychologyFamily memberMedicineNursingEstateFamily medicineBusinessDiseaseComputer science

Résumé

récupéré en direct d'OpenAlex

We performed semistructured interviews with 30 family members of patients with advanced dementia to identify the factors that facilitate or hinder advance planning by persons with dementia. All interviews were analyzed using qualitative data analysis techniques. The majority (77%) of family members reported that their relative had some form of written advance directive, and at least half reported previous discussions about health care preferences (57%), living situation or placement issues (50%), and finances or estate planning (60%) with the patient. Family members reported some themes that prompted planning and others that were barriers to planning. Events that most often triggered planning were medical, living situation, or financial issues associated with a friend or family member of the patient (57%). Barriers to planning included both passive and active avoidance. The most common form of passive avoidance was not realizing the importance of planning until it was too late to have the discussion (63%). The most common form of active avoidance was avoiding the discussion (53%). These data suggest potentially remediable strategies to address barriers to advance planning discussions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,359
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer Disease & Associated DisordersMême sujetHealthcare Decision-Making and RestraintsTravaux en français237 207