MétaCan
Menu
Retour à la cohorte
Enregistrement W2774969318 · doi:10.21037/apm.2017.10.06

Implementation issues relevant to outpatient neurology palliative care

2018· article· en· W2774969318 sur OpenAlexaff
Benzi M. Kluger, Michael Persenaire, Samantha K. Holden, Laura T. Palmer, Hannah M. Redwine, Julie Berk, C. Alan Anderson, Christopher M. Filley, Jean S. Kutner, Janis M. Miyasaki, Julie Carter

Notice bibliographique

RevueAnnals of Palliative Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institute of Nursing ResearchPatient-Centered Outcomes Research Institute
Mots-clésMedicineReferralPsychosocialPalliative careOutpatient clinicQuality managementFamily medicineAdvance care planningPatient satisfactionAmbulatory careNursingMedical emergencyHealth carePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is growing interest in the application of palliative care principles to improve care for patients and families affected by neurologic diseases. We developed an interdisciplinary outpatient clinic for patients and families affected by neurologic disorders to better address the problems faced by our highest need patients. We have developed and improved this program over the past three years and share several of our most important lessons as well as ongoing challenges and areas where we see our clinic evolving in the future. METHODS: We provide a description of our clinic logistics, including key steps in the initiation of the clinic, and provide descriptions from similar clinics at other institutions to demonstrate some of the variability in this growing field. We also provide results from a formal one-year quality improvement project and a one-year retrospective study of patients attending this clinic. RESULTS: Our clinic has grown steadily since its inception and maintains high satisfaction ratings from patients, caregivers, and referring providers. To maintain standardized and efficient care we have developed materials for patients and referring physicians as well as checklists and other processes used by our interdisciplinary team. Feedback from our quality improvement project helped define optimal visit duration and refine communication among team members and with patients and families. Results from our chart review suggest our clinic influences advance care planning and place of death. Common referral reasons include psychosocial support, complex symptom management, and advance care planning. Current challenges for our clinic include developing a strategy for continued growth, creating a sustainable financial model for interdisciplinary care, integrating our services with disease-specific sections, improving primary palliative care knowledge and skills within our referral base, and building effective alliances with community neurologists, geriatrics, primary care, nursing homes, and hospices. CONCLUSIONS: Specialized outpatient palliative care for neurologic disorders fills several important gaps in care for this patient population, provides important educational opportunities for trainees, and creates opportunities for patient and caregiver-centered research. Educational initiatives are needed to train general neurologists in primary palliative care, to train neurologists in specialist palliative care, and to train palliative medicine specialists in neurology. Research is needed to build an evidence base to identify patient and caregiver needs, support specific interventions, and to build more efficient models of care in both academic and community settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,243
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,260
Tête enseignante GPT0,528
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

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

Citations46
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Palliative MedicineMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207