Improving Early Palliative Care with a Scalable, Stepped Peer Navigator and Social Work Intervention: A Single-Arm Clinical Trial
Notice bibliographique
Résumé
BACKGROUND: Patients with cancer could benefit from early primary (i.e., basic) palliative care. Scalable models of care delivery are needed. OBJECTIVE: Examine the feasibility of a stepped peer navigator and social work intervention developed to improve palliative care outcomes. DESIGN: Single-arm prospective clinical trial. The peer navigator educated patients to advocate for pain and symptom management with their healthcare providers, motivated patients to pursue advance care planning, and discussed the role of hospice. The social worker saw patients with persistent psychosocial distress. SETTING/SUBJECTS: Patients with advanced cancer at a VA Medical Center not currently in palliative care or hospice whose oncologist would not be surprised if the patient died in the subsequent year. MEASUREMENTS: Participation and retention rates, patient-reported symptoms and quality of life, advance directive documentation, patient satisfaction survey, and semistructured interviews. RESULTS: The participation rate was 38% (17/45), and 35% (7/17) completed final survey measures. Patients had stage IV (81%) and primarily genitourinary (47%) and lung (24%) malignancies. Median Eastern Cooperative Oncology Group performance status was 0. Patient-reported surveys indicated low distress (mean scores: Functional Assessment of Cancer Therapy-General, 75.3 [standard deviation {SD} 17.6]; Edmonton Symptom Assessment Scale symptom scores ranged from 1.6 to 3.8; Patient Health Questionnaire-9, 5.7 [SD 5.2]; and Generalized Anxiety Disorder-7, 2.8 [SD 4.1]). Of those who had not completed advance directives at baseline (n = 11, 65%), five completed them by the end of study (5/11, 45%). Patients who completed satisfaction surveys (n = 7) and interviews (n = 4) provided mixed reviews of the intervention. CONCLUSIONS: At a single site, a stepped peer navigator and social work palliative care study had several challenges to feasibility, including low patient-reported distress and loss to follow-up.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».