Toward an Understanding of Advance Care Planning in Children With Medical Complexity
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Children with medical complexity (CMC) often have multiple life-limiting conditions with no unifying diagnosis and an unclear prognosis and are at high risk for morbidity and mortality. Advance care planning (ACP) conversations need to be uniquely tailored to this population. Our primary objective for this study was to develop an in-depth understanding of the ACP experiences from the perspectives of both parents and health care providers (HCPs) of CMC. METHODS: We conducted 25 semistructured interviews with parents of CMC and HCPs of various disciplines from a tertiary pediatric hospital. Interview guide questions were focused on ACP, including understanding of the definition, positive and negative experiences, and suggestions for improvement. Interviews were conducted until thematic saturation was reached. Interviews were audio recorded, transcribed verbatim, coded, and analyzed using content analysis. RESULTS: Fourteen mothers and 11 HCPs participated in individual interviews. Interviews revealed 4 major themes and several associated subthemes (in parentheses): (1) holistic mind-set, (2) discussion content (beliefs and values, hopes and goals, and quality of life), (3) communication enhancers (partnerships in shared decision-making, supportive setting, early and ongoing conversations, consistent language and practice, family readiness, provider expertise in ACP discussions, and provider comfort in ACP discussions), and (4) the ACP definition. CONCLUSIONS: Family and HCP perspectives revealed a need for family-centered ACP for CMC and their families. Our results aided the development of a family-centered framework to enhance the delivery of ACP through a holistic mind-set, thoughtful discussion content, and promoting of conversation enhancers.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».