MétaCan
Menu
Retour à la cohorte
Enregistrement W2984047490 · doi:10.12927/cjnl.2019.25975

Palliative Care Models in Long-Term Care: A Scoping Review

2019· review· en· W2984047490 sur OpenAlexaffvenueabout
Sharon Kaasalainen, Tamara Sussman, Lynn McCleary, Genevieve Thompson, Paulette V. Hunter, Abigail Wickson‐Griffiths, Rose Cook, Vanina Dal Bello‐Haas, Lorraine Venturato, Αλεξάνδρα Παπαϊωάννου, John J. You, Deborah Parker

Notice bibliographique

RevueNursing leadership · 2019
Typereview
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensHamilton Health SciencesUniversity Health NetworkBrock UniversityUniversity of ManitobaUniversity of SaskatchewanUniversity of CalgaryUniversity of ReginaMcGill UniversityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPalliative careNursingLong-term careTerm (time)PsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The goal of this scoping review was to identify existing palliative models in long-term care (LTC) homes and differentiate between the key components of each in terms of training/capacity-building strategies; resident, family and staff support; and advance care planning (ACP) and goals-of-care discussions. METHODS: We conducted a scoping review based on established methods to summarize the international literature on palliative models and programs for LTC. We analyzed the data using tabular summaries and content analysis. RESULTS: We extracted data from 46 articles related to palliative programs, training/capacity building, family support, ACP and goals of care. Study results highlighted that three key components are needed in a palliative program in LTC: (1) training and capacity building; (2) support for residents, family and staff; and (3) ACP, goals-of-care discussion and informed consent. CONCLUSION: This scoping review provided important information about key components to be included in a palliative program in LTC. Future work is needed to develop a model that suits the unique characteristics in the Canadian context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,052
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0120,014
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,698
Tête enseignante GPT0,533
Écart entre enseignants0,164 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207