Apoyo con Cariño (support with caring): RCT protocol to improve palliative care outcomes for Latinos with advanced medical illness
Notice bibliographique
Résumé
Latinos are more likely to experience uncontrolled pain, and institutional death, and are less likely to engage in advance care planning. Efforts to increase access to palliative care must maximize primary palliative care and community based models to meet the ever-growing need in a culturally sensitive and congruent manner. Patient navigator interventions are community-based, culturally tailored models of care that have been successfully implemented to improve disease prevention, early diagnosis, and treatment. We have developed a patient navigation intervention to improve palliative care outcomes for seriously ill Latinos. We describe the protocol for a National Institute of Nursing Research-funded randomized controlled trial designed to determine the effectiveness of the manualized patient navigator intervention. We aim to enroll 240 Latino adults with non-cancer, advanced medical illness from both urban and rural clinical sites. Participants will be randomized to the intervention group (five palliative care patient navigator visits plus bilingual educational materials) or control group (usual care plus bilingual educational materials). Outcomes include quality of life (Functional Assessment of Chronic Illness Therapy), advance care planning (Advance Care Planning Engagement survey), pain (Brief Pain Inventory), symptom management (Edmonton Symptom Assessment Scale-revised), hospice utilization, and cost and utilization of healthcare resources. This culturally tailored, evidence-based, theory-driven, innovative patient navigation intervention has significant potential to improve palliative care for Latinos, and facilitate health equity in palliative and 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 | 0,001 | 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 | 0,001 |
| 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 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 ».