Utilisation of home-based physician, nurse and personal support worker services within a palliative care programme in Ontario, Canada: trends over 2005-2015
Notice bibliographique
Résumé
With health system restructuring in Canada and a general preference by care recipients and their families to receive palliative care at home, attention to home-based palliative care continues to increase. A multidisciplinary team of health professionals is the most common delivery model for home-based palliative care in Canada. However, little is known about the changing temporal trends in the propensity and intensity of home-based palliative care. The purpose of this study was to assess the propensity to use home-based palliative care services, and once used, the intensity of that use for three main service categories: physician visits, nurse visits and care by personal support workers (PSWs) over the last decade. Three prospective cohort data sets were used to track changes in service use over the period 2005 to 2015. Service use for each category was assessed using a two-part model, and a Heckit regression was performed to assess the presence of selectivity bias. Service propensity was modelled using multivariate logistic regression analysis and service intensity was modelled using log-transformed ordinary least squares regression analysis. Both the propensity and intensity to use home-based physician visits and PSWs increased over the last decade, while service propensity and the intensity of nurse visits decreased. Meanwhile, there was a general tendency for service propensity and intensity to increase as the end of life approached. These findings demonstrate temporal changes towards increased use of home-based palliative care, and a shift to substitute care away from nursing to less expensive forms of care, specifically PSWs. These findings may provide a general idea of the types of services that are used more intensely and require more resources from multidisciplinary teams, as increased use of home-based palliative care has placed dramatic pressures on the budgets of local home and community care organisations.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».