Patient Care Planning Discussions for Patients at the End of Life: An Evidence-Based Analysis.
Notice bibliographique
Résumé
BACKGROUND: Ontario spends about 9% of its health budget on care for people at the end of life (EoL), most of whom die from chronic, prolonged conditions. For many people, patient care planning discussions (PCPDs) can improve the quality and reduce the cost of care. OBJECTIVES: This evidence-based analysis aimed to examine the effectiveness of PCPDs in achieving better patient-centred outcomes for people at the EoL. DATA SOURCES: A systematic literature search was conducted in MEDLINE, Embase, CINAHL, and EBM Reviews to identify relevant literature published between January 1, 2004, and October 9, 2013. REVIEW METHODS: Peer-reviewed reports from randomized controlled trials (RCTs) and observational studies were examined. Outcomes included quality of life (QoL), satisfaction, concordance, advance care planning (ACP), and health care use. Quality of evidence was assessed using GRADE. RESULTS: While the effects of PCPDs on QoL are unclear, single-provider PCPDs were associated with family members being very satisfied with EoL care (odds ratio [OR]: 5.17 [95% CI: 1.52, 17.58]), improved concordance between patients' and families' wishes (OR: 4.32, P < 0.001), fewer episodes of hospital care (mean difference [MD]: -0.21, P = 0.04), spending fewer days in hospital (MD: -1.8, P = 0.03), and receiving hospice care (OR: 5.17 [95% CI: 2.03, 13.17]). Team-based PCPDs were associated with greater patient satisfaction (standardized mean difference [SMD]: 0.39 [95% CI: 0.17, 0.60]) and fewer outpatient visits (MD: -5.20 [95% CI: -9.70, -0.70]). Overall, PCPDs were associated with more ACP and more optimal health care use. LIMITATIONS: Most of the RCTs were unblinded, intervention was measured or described inadequately in some studies, and the term "usual care" was often undefined. CONCLUSIONS: Patients at the EoL and their families benefited from PCPDs. Furthermore, PCPDs occurring earlier in the course of illness were associated with better outcomes than those occurring later.
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 | 0,018 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,010 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».