End-of-Life Cancer Care: Temporal Association between Homecare Nursing and Hospitalizations
Notice bibliographique
Résumé
OBJECTIVES: Most cancer patients want to die at home, but scaleable models to achieve this are not well researched. Our objective was to investigate the temporal association of homecare nursing, especially by generalist nurses, with reduced end-of-life hospitalizations. METHODS: We conducted a retrospective Canadian cohort study of end-of-life cancer decedents during 2004-2009 in Ontario (ON), Nova Scotia (NS), and British Columbia (BC), which have homecare systems that use generalist nurses to provide end-of-life care. Each province linked administrative databases to examine the association during the last six months of life between the homecare nursing rate and the hospitalization rate in the subsequent week, using standardized definitions and controlling for other covariates. We dichotomized nursing into standard and end-of-life care intent. RESULTS: Our cohort included 83,827 cancer decedents. Approximately 55% of decedents were older than 70 and the most common cancer was lung. Nearly 85% of the cohort had at least one hospital admission. Receiving end-of-life compared to standard homecare nursing significantly reduced a patient's hospitalization rate by 34%, 33%, and 17% in ON, BC, and NS. In the last month of life patients having a standard nursing rate of greater than five hours compared to one hour per week had a significantly lower hospitalization rate (relative reduction of 15%-23%) across the three provinces. CONCLUSIONS: Our study showed a protective effect of nursing with an end-of-life intent on hospitalization across the last six months of life and of standard nursing in the last month. This finding's generalizability is strengthened, since the trends were similar across three different homecare systems.
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 | 0,003 |
| 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 ».