MétaCan
Menu
← Retour à la cohorte
Enregistrement W2576492167 · doi:10.1182/blood.v126.23.3290.3290

Measuring Quality of End-of-Life Care for Blood Cancers: A National Survey of Hematologic Oncologists

2015· article· en· W2576492167 sur OpenAlexaff
Oreofe O. Odejide, Angel M. Cronin, Nolan B. Condron, Sean A. Fletcher, Craig C. Earle, Gregory A. Abel

Notice bibliographique

RevueBlood · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésMedicineHematologic NeoplasmsHematologyFamily medicineInternal medicineCancerOncology

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Hematologic malignancies have been associated with poor performance on standard measures of quality of end-of-life (EOL) care in oncology (eg, Hui, Cancer, 2014); however, these measures were originally developed primarily for solid tumors, and they may not appropriately address EOL quality issues for patients with blood cancers. We sought to explore hematologic oncologists' perspectives regarding the acceptability of current oncology EOL quality measures, hypothesizing that they would report them to be largely unacceptable. Methods: In 2014, we mailed a 30-item survey to a national sample of hematologic oncologists randomly selected from the American Society of Hematology clinical directory. The survey was developed through focus groups (n=20) and cognitive debriefing (n=5) with hematologists whose practices focus on patients with blood cancers. In the resulting survey, we provided a list of standard EOL quality measures (Earle, JCO, 2003; Keating, Cancer, 2010; Phelps, JAMA, 2009; see table) and two novel hematology-based measures (no red cell transfusions ≤ 7 days before death, and no platelet transfusions ≤ 7 days before death) and asked "Please indicate whether or not you feel each is an acceptable indicator of good quality EOL care for patients with hematologic malignancies." We decided a priori that we would consider a measure to be "highly acceptable" if there were at least 75% agreement among hematologic oncologists on its acceptability. Worrying that they might reject them all, we also asked them to identify three measures they would choose in a scenario where three had to be adopted. Results: We received 349 surveys from 48 states (response rate: 57.3%). Non-responders were not significantly different across known variables (gender and region of practice). Among respondents, median age was 52 years, median time in practice was 25 years, and 43% practiced primarily in tertiary centers. Eighty-seven percent were board-certified in oncology, 81% in hematology, and 71% in both specialties. The table below shows acceptability of the quality measures as rated by respondents. In the exercise where three measures had to be chosen, the one chosen most often was no CPR within 30 days of death (54%), followed by enrollment in hospice >7 days before death (46%). Conclusions: In contrast to our hypothesis, all of the measures we presented were considered acceptable by a substantial proportion of the hematologic oncologists in our national cohort. Moreover, while four of the measures reached our a priori designation of being highly acceptable, the two hematology-focused measures did not meet this same threshold. These data suggest that in hematologic oncology, resources should be directed towards addressing barriers to performance on established EOL quality measures in addition to creating new ones. Figure 1. Figure 1. Disclosures No relevant conflicts of interest to declare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,520
Tête enseignante GPT0,481
Écart entre enseignants0,039 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetPalliative Care and End-of-Life Issues→Travaux en français237 207→