Using the “Surprise Question” in Nursing Homes
Notice bibliographique
Résumé
BACKGROUND: The "Surprise Question" (SQ) is often used to identify patients who may benefit from a palliative care approach. The time frame of the typical question (a 12-month prognosis) may be unsuitable for identifying residents in nursing homes since it may not be able to differentiate between those who have a more imminent risk of death within a cohort of patients with high care needs. OBJECTIVE: To examine the accuracy and acceptability of 3 versions of the SQ with shortened prognostication time frames (3 months, 6 months, and "the next season") in the nursing home setting. DESIGN: A prospective mixed-methods study. SETTING/PARTICIPANTS: Forty-seven health-care professionals completed the SQ for 313 residents from a nursing home in Ontario, Canada. A chart audit was performed to evaluate the accuracy of their responses. Focus groups and interviews were conducted to examine the participants' perspectives on the utility of the SQ. RESULTS: Of the 301 residents who were included in the analysis, 74 (24.6%) deaths were observed during our follow-up period. The probability of making an accurate prediction was highest when the seasonal SQ was used (66.7%), followed by the 6-month (58.9%) and 3-month (57.1%) versions. Despite its high accuracy, qualitative results suggest the staff felt the seasonal SQ was ambiguous and expressed discomfort with its use. CONCLUSION: The SQ with shortened prognostication periods may be useful in nursing homes and provides a mechanism to facilitate discussions on palliative care. However, a better understanding of palliative care and increasing staff's comfort with prognostication is essential to a palliative care approach.
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 | 0,000 | 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 | 0,000 | 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 ».