Timeliness of end-of-life (EOL) discussions for blood cancers: A national survey of hematologic oncologists.
Notice bibliographique
Résumé
13 Background: Although timely EOL discussions have been shown to positively impact EOL care for patients with advanced solid tumors, little is known about EOL discussions for patients with blood cancers. 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 hematologic oncologists. We report preliminary data regarding timing of EOL discussions. Results: We received 349 surveys from 48 states (response rate: 57.3%). Median age was 52 years, median time in practice was 25 years, and 43% practiced primarily in tertiary centers. Of all respondents, 56% reported that EOL discussions with blood cancer patients typically occur “too late.” The great majority also reported conducting initialdiscussions regarding resuscitation status, desire for hospice care, and preferred site of death at times other than periods of disease stability (Table). In multivariable analysis adjusting for gender, years in practice, and self-reported confidence leading EOL discussions, respondents practicing in tertiary centers were more likely to report that such discussions occur “too late” (OR=1.91, 95% CI [1.22, 2.98]). Similarly, hematologic oncologists practicing in tertiary centers were less likely to report conducting timely initial resuscitation status discussions (before acute hospitalization or before death clearly imminent, OR=0.52, 95% CI [0.33, 0.82]). Conclusions: The majority of hematologic oncologists in our large national cohort reported late EOL discussions. Moreover, clinicians in tertiary centers were more likely to report late discussions, even when prompted about specific EOL topics. Our data suggest that physician-focused interventions to improve timing of EOL discussions for blood cancers should target those practicing in tertiary centers. [Table: see text]
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».