Improving patient and caregiver outcomes in oncology: Team‐based, timely, and targeted palliative care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over the past decade, a large body of evidence has accumulated supporting the integration of palliative care into oncology practice for patients with advanced cancer. The question is no longer whether palliative care should be offered, but what is the optimal model of delivery, when is the ideal time to refer, who is in greatest need of a referral, and how much palliative care should oncologists themselves be providing. These questions are particularly relevant given the scarcity of palliative care resources internationally. In this state-of-the-science review directed at the practicing cancer clinician, the authors first discuss the contemporary literature examining the impact of specialist palliative care on various health outcomes. Then, conceptual models are provided to support team-based, timely, and targeted palliative care. Team-based palliative care allows the interdisciplinary members to address comprehensively the multidimensional care needs of patients and their caregivers. Timely palliative care, at its best, is preventive care to minimize crises at the end of life. Targeted palliative care involves identifying the patients most likely to benefit from specialist palliative care interventions, akin to the concept of targeted cancer therapies. Finally, the strengths and weaknesses of innovative care models, such as outpatient clinics, embedded clinics, nurse-led palliative care, primary palliative care provided by oncology teams, and automatic referral, are summarized. Moving forward, more research is needed to determine how different health systems can best personalize palliative care to provide the right level of intervention, for the right patient, in the right setting, at the right time. CA Cancer J Clin. 2018;680:00-00. 2018 American Cancer Society, Inc.
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.
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) | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 découle