Comparing Specialty and Primary Palliative Care Interventions: Analysis of a Systematic Review
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
Background: Investigators have tested interventions delivered by specialty palliative care (SPC) clinicians, or by clinicians without palliative care specialization (primary palliative care, PPC). Objective: To compare the characteristics and outcomes of randomized clinical trials (RCTs) of SPC and PPC interventions. Design: Systematic review secondary analysis. Setting/Subjects: RCTs of palliative care interventions. Measurements: Interventions were classified SPC if delivered by palliative care board-certified or subspecialty trained clinicians, or those with extensive clinical experience; all others were PPC. We abstracted data for each intervention: delivery setting, delivery clinicians, outcomes measured, trial results, and Cochrane's Risk of Bias. We conducted narrative synthesis for quality of life, symptom burden, and survival. Results: Of 43 RCTs, 27 tested SPC and 16 tested PPC interventions. SPC interventions were more comprehensive (4.2 elements of palliative care vs. 3.1 in PPC, p = 0.02). SPC interventions were delivered in inpatient (44%) or outpatient settings (52%) by specialty physicians (44%) and nurses (44%); PPC interventions were delivered in inpatient (38%) and home settings (38%) by nurses (75%). PPC trials were more often of high risk of bias than SPC trials. Improvements were demonstrated on quality of life by SPC and PPC trials and on physical symptoms by SPC trials. Conclusions: Compared to PPC, SPC interventions were more comprehensive, were more often delivered in clinical settings, and demonstrated stronger evidence for improving physical symptoms. In the face of SPC workforce limitations, PPC interventions should be tested in more trials with low risk of bias, and may effectively meet some palliative care needs.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| 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