Training Spiritual Care in Palliative Care in Teaching Hospitals in the Netherlands (SPIRIT-NL): A Multicentre Trial.
Notice bibliographique
Résumé
Background: In the Netherlands, the spiritual dimension in healthcare became marginal in the second part of the twentieth century. In the Dutch healthcare system, palliative care is not a medical specialization and teaching hospitals do not have specialist palliative care units with specialized palliative care teams. Palliative care in these hospitals is delivered by healthcare professionals in general departments (mainly curative focused ones), and is based on multidisciplinary guidelines supported by palliative care consultation teams. A national multidisciplinary guideline on spiritual care is included, but standardized training based on this guideline still lacks. Implementation of this guideline is expected to have a positive effect on quality of care but is in an early state, the role of the specialists in this field—the healthcare chaplains—is developing. The objective of this article is to present the protocol of this study and stimulate discussion about methods of research on spirituality and spiritual care.Methods and Findings: This action research study is planned as an explorative multicentre trial. Healthcare chaplains of ten teaching hospitals will offer training onspiritual care in palliative care for healthcare professionals. What is the effect of this intervention on the competences of clinical teams? What is the effect on the perceived care and treatment as experienced by patients? The effects of the intervention on the competences of the clinicians will be measured once pre-study and twice post-study. Effects on patients’ physical symptoms and spiritual distress, and the perceived focus of caregivers on their spiritual needs or existential questions will also be measured pre- and post-study.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».