Quality of clinicians’ conversations with patients and families before and after implementation of the Serious Illness Care Program in a hospital setting: a retrospective chart review study
Notice bibliographique
Résumé
Background: Seriously ill patients in hospital have indicated that better communication with practitioners is vital for improving care. The aim of this study was to assess whether the quality of conversations about serious illness improved after implementation of the Serious Illness Care Program (SICP). Methods: In this retrospective chart review study, we evaluated patients who were admitted to a medical ward at Hamilton General Hospital, had a stay of at least 48 hours, and were at risk for a lengthy stay or increased need for community-based services (inter-RAI Emergency Department Screener score of 5 or 6). The SICP study period was from Mar. 1, 2017, to Jan. 19, 2018. We used a validated codebook to assess the quality of documented conversations regarding serious illness for eligible patients before (usual care [control group]) and after SICP implementation (intervention group), specifically examining the following domains: patients’ values and goals, understanding of prognosis and illness, end-of-life care planning, and code status or desire for other life-sustaining treatments. Results: The study sample included 56 patients in the control group and 56 patients in the intervention group. The overall quality of documented conversations about serious illness was significantly higher in the intervention group than in the control group (p < 0.001) and was significantly higher in the subdomains of values and goals (p < 0.001), understanding of prognosis and illness (p < 0.001) and life-sustaining treatments (p = 0.03) but not end-of-life care planning (p = 0.48). Interpretation: Implementation of the SICP in a hospital setting was associated with higher quality of documented conversations regarding serious illness with patients at high risk for clinical or functional deterioration. The SICP is transferable and adaptable to a hospital setting, and was associated with an increase in adherence to best practices compared to usual care.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».