Highlights of the Canadian Frailty Network (CFN) Highly Qualified Personnel Poster Session
Notice bibliographique
Résumé
Background: Most adults prefer that their health-care providers initiate advance care planning (ACP) conversations.Yet, primary care providers (PCPs) rarely discuss ACP with patients.The goal of this study is to implement and evaluate communication training for PCPs to improve the quantity and quality of ACP conversations.Methods: This is a quality improvement project in a large interprofessional academic family medicine team.PCPs (n= 30) attended 2.5-hour Serious Illness Conversation Guide (SICG) training workshops, adapted from Ariadne Labs, to improve their ACP capabilities.Participants completed preand post-workshop self-assessments.PCPs will use the SICG to conduct ACP with 3 patients each.Eligible patients are aged 65 or older, having any diagnosis of chronic illness or frailty that shortens lifespan.PCPs and patients will complete questionnaires gauging their experiences.Results: Post-workshop assessments reported improvements in confidence, prognosis sharing, and exploring patient values and trade-offs.PCPs reported the workshops as highly effective in improving ACP skills.Results to be presented will also include PCP, patient, and family member ACP satisfaction.Conclusions: Results will inform adaptations for further primary care training and implementation strategies. The Effects of the Serious Illness Care Program (SICP) on Health Care Resource Utilization (HRU)
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,009 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,129 | 0,021 |
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 ».