Benchmarking time to initiation of end-of-life homecare nursing: a population-based cancer cohort study in regions across Canada
Notice bibliographique
Résumé
BACKGROUND: Several studies have demonstrated the benefits of early initiation of end-of-life care, particularly homecare nursing services. However, there is little research on variations in the timing of when end-of-life homecare nursing is initiated and no established benchmarks. METHODS: This is a retrospective cohort study of patients with a cancer-confirmed cause of death between 2004 and 2009, from three Canadian provinces (British Columbia, Nova Scotia, and Ontario). We linked multiple administrative health databases within each province to examine homecare use in the last 6 months of life. Our primary outcome was mean time (in days) to first end-of-life homecare nursing visit, starting from 6 months before death, by region. We developed an empiric benchmark for this outcome using a funnel plot, controlling for region size. RESULTS: Of the 28 regions, large variations in the outcome were observed, with the longest mean time (97 days) being two-fold longer than the shortest (55 days). On average, British Columbia and Nova Scotia had the first and second shortest mean times, respectively. The province of Ontario consistently had longer mean times. The empiric benchmark mean based on best-performing regions was 57 mean days. CONCLUSIONS: Significant variation exists for the time to initiation of end-of-life homecare nursing across regions. Understanding regional variation and developing an empiric benchmark for homecare nursing can support health system planners to set achievable targets for earlier initiation of end-of-life care.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».