Documenting Goals of Care Among Patients With Advanced Cancer: Results of a Quality Improvement Initiative
Notice bibliographique
Résumé
PURPOSE: Guidelines recommend that oncologists discuss goals of care (GOC) with patients who have advanced cancer and that these patients be referred for early palliative care (PC). An audit of practice between 2010 and 2015 at the Cancer Centre of Southeastern Ontario suggested that these rates were suboptimal. We sought to improve the rate of documentation of GOC and referral to PC through the implementation of a quality improvement (QI) initiative. METHODS: Patients receiving palliative systemic treatment of lung, pancreatic, colorectal, and breast cancer were identified via electronic pharmacy records and the electronic patient care system. Using the Define, Measure, Analyze, Improve, Control QI methodology, we drafted a guideline for GOC documentation and PC referral and designed a standardized documentation system. E-mail reminders were sent to physicians and a QI scorecard was displayed to document overall and individual physician rates of GOC documentation. Data were analyzed monthly and presented on statistical process control P charts. RESULTS: Between May 2016 and November 2017, a total of 303 unique patients were identified (52%, 21%, 17%, and 10% with lung, breast, colorectal, and pancreatic cancer, respectively). GOC documentation increased significantly over the study period (baseline, 0%; passive phase, 3%; active phase, 31%); this increase was likely because of our intervention. PC referral rates also increased over the study period (baseline, 36%; passive phase, 35%; active phase 48%). We did not identify any patient, physician, or disease factors that were associated with GOC discussion or referral to PC. CONCLUSION: Our QI initiative was successful in improving rates of GOC documentation in patients with advanced cancer.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».