Improving End-of-Life Care: Palliative Care Embedded in an Oncology Clinic Specializing in Targeted and Immune-Based Therapies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Patients with advanced cancer benefit from early involvement of palliative care. The ideal method of palliative care integration remains to be determined, as does its effectiveness for patients treated with targeted and immune-based therapies. MATERIALS AND METHODS: We studied the impact of an embedded palliative care team that saw patients in an academic oncology clinic specializing in targeted and immune-based therapies. Patients seen on a specific day accessed the embedded model, on the basis of automatic criteria; patients seen other days could be referred to a separate palliative care clinic (usual care). We abstracted data from the medical records of 114 patients who died during the 3 years after this model's implementation. RESULTS: Compared with usual care (n = 88), patients with access to the embedded model (n = 26) encountered palliative care as outpatients more often ( P = .003) and earlier (mean, 231 v 109 days before death; P < .001). Hospice enrollment rates were similar ( P = .303), but duration was doubled (mean, 57 v 25 days; P = .006), and enrollment > 7 days before death-a core Quality Oncology Practice Initiative metric-was higher in the embedded model (odds ratio, 5.60; P = .034). Place of death ( P = .505) and end-of-life chemotherapy (odds ratio, 0.361; P = .204) did not differ between the two arms. CONCLUSION: A model of embedded and automatically triggered palliative care among patients treated exclusively with targeted and immune-based therapies was associated with significant improvements in use and timing of palliative care and hospice, compared with usual practice.
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.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 découle