International study of the place of death of people with cancer: a population-level comparison of 14 countries across 4 continents using death certificate data
Notice bibliographique
Résumé
BACKGROUND: Where people die can influence a number of indicators of the quality of dying. We aimed to describe the place of death of people with cancer and its associations with clinical, socio-demographic and healthcare supply characteristics in 14 countries. METHODS: Cross-sectional study using death certificate data for all deaths from cancer (ICD-10 codes C00-C97) in 2008 in Belgium, Canada, Czech Republic, England, France, Hungary, Italy, Mexico, the Netherlands, New Zealand, South Korea, Spain (2010), USA (2007) and Wales (N=1,355,910). Multivariable logistic regression analyses evaluated factors associated with home death within countries and differences across countries. RESULTS: Between 12% (South Korea) and 57% (Mexico) of cancer deaths occurred at home; between 26% (Netherlands, New Zealand) and 87% (South Korea) occurred in hospital. The large between-country differences in home or hospital deaths were partly explained by differences in availability of hospital- and long-term care beds and general practitioners. Haematologic rather than solid cancer (odds ratios (ORs) 1.29-3.17) and being married rather than divorced (ORs 1.17-2.54) were most consistently associated with home death across countries. CONCLUSIONS: A large country variation in the place of death can partly be explained by countries' healthcare resources. Country-specific choices regarding the organisation of end-of-life cancer care likely explain an additional part. These findings indicate the further challenge to evaluate how different specific policies can influence place of death patterns.
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) | 0,001 | 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 ».