Influence of clinical context on interpretation and use of an advance care planning policy: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Advance care planning is a process through which people share their values, goals and preferences regarding future medical treatments with the purpose of aligning care received with patient wishes. The objective of this study was to explore perspectives from patients and clinicians in 4 clinical settings to understand how context influences interpretation and application of advance care planning processes. METHODS: This study used a qualitative interpretive descriptive design. Patient and clinician participants were recruited across 4 clinical outpatient settings (cancer, heart failure, renal failure and supportive living) in Calgary and Edmonton. Data were collected between 2014 and 2015 by means of recorded one-on-one semistructured interviews. We analyzed the data using thematic analysis in 2016-2017. RESULTS: Thirty-four patients and 34 clinicians participated in interviews. Themes common to all 4 contexts were lack of shared understanding between patients and clinicians, and a lack of consistent clinical process related to advance care planning. Advance care planning understanding and process varied substantially between contexts. This variation seemed to be driven by differences in perceptions around disease burden and the nature of the physician-patient relationship. INTERPRETATION: Provision of a system-wide policy and procedural framework alone was not found to be sufficient to form a standardized approach to advance care planning, as considerable variability existed in advance care planning process between and within clinical settings. Quality-improvement methods that consider local processes, gaps and barriers can help in developing a consistent, comprehensive process.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».