Predicting hospital transfers among nursing home residents in the last months of life
Notice bibliographique
Résumé
BACKGROUND: Concerns have been raised over the practice of transferring nursing home residents to hospital at their end of life. OBJECTIVE: To examine the family and facility factors that may influence the decision to transfer nursing home residents to hospital in the last month of life. RESEARCH DESIGN: Secondary data analysis includes a sample of 119 bereaved family members from 21 nursing homes located in Central Canada. METHOD: A binary logistic regression analysis was conducted to explore the predictors for hospital transfers. RESULTS: Terminal hospital transfers were common: 70% of nursing home residents were sent to hospitals in the last month of their life, and the likelihood of terminal hospital transfers increased by having an adult child as decision-maker (odds ratio (OR) = 5.03; 95% confidence interval (CI) = 1.6, 16; significance level/probability value (p) = 0.007) or having a lower family income (OR = 2.9; 95% CI =1.1, 2.9; p = 0.027). Discussion and implications: The identified predictors for terminal hospital transfers are helpful in targeting and developing interventions to improve end-of-life care. Particular emphasis should therefore be placed on targeting families with low income and children of the nursing home residents for educational initiatives such as advance care planning awareness, in order to prevent terminal hospital transfers. It is hoped that policy-makers and practitioners can start addressing the findings of this study to reduce terminal hospital transfers at end of life and promote quality end-of-life care in nursing homes.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».