MétaCan
Menu
Retour à la cohorte
Enregistrement W3092021101 · doi:10.1200/jco.2020.38.29_suppl.99

Access to palliative care services for limited English proficient patients with advanced NSCLC.

2020· article· en· W3092021101 sur OpenAlexaffabout
Bonnie Leung, Selina K. Wong, Kiran Malli, Cheryl Ho

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensProvincial Health Services Authority
Organismes subventionnairesnon disponible
Mots-clésMedicineLimited English proficiencyReferralPalliative careFamily medicineAdvance care planningHealth literacyHealth careNursing

Résumé

récupéré en direct d'OpenAlex

99 Background: More than a quarter of people living in British Columbia, Canada speak languages other than English in their homes. Immigrants often encounter communication challenges with their health care providers (HCPs), have poor health literacy, and have a limited understanding on navigating the health care system. NSCLC patients with limited English proficiency (LEP) may receive less palliative care services despite high symptom burden and significant needs due to these factors. The study goals were to observe the difference in access to community palliative home care (CPHC) and rate of completing a Do Not Resuscitate (DNR) form between NSCLC patients who are English proficient (EP) and LEP. Methods: All patients with advanced NSCLC referred to BC Cancer–Vancouver Centre in 2016 and received medical care were included (N=176). Patients seen with a medical interpreter were considered to be LEP. Demographics and clinical information were collected retrospectively. UVA using X2 test and Fisher’s exact test were used to compare EP and LEP patients. Mann-Whitney test was used to compare the median time from CPHC referral and signed DNR to death between EP and LEP patients. Results: Language of communication: English 65%, Cantonese 22%, Mandarin 6%, Korean 1%, Tagalog 1%, and other 5%. Baseline characteristics: median age 69 EP vs 76 LEP, female 44% EP vs 65% LEP, non-squamous 68% EP vs 72% LEP and squamous 14% EP vs 6% LEP. There was no difference in the rate of CPHC referral (87% EP vs 80% LEP, p=0.342) and signed DNR form (92% EP vs 89% LEP, p=0.549). The median time from CPHC referral to death was 10 weeks EP vs 15 weeks LEP (p=0.039). The median time from signed DNR to death was 5 weeks EP vs 6 weeks LEP (p=0.806). There was no statistically significant difference in location of death between the two groups: acute care 20% EP vs 24% LEP, home 27% EP vs 13% LEP, hospice 36% EP vs 39% LEP, and tertiary palliative care unit 17% EP vs 24% LEP (p=0.251). Conclusions: EP and LEP patients with NSCLC had similar rates of CPHC service referrals and end of life planning. This suggests assistance of medical interpreters at the time of oncology visits help message delivery between LEP patients and HCPs. LEP patients had earlier referrals to CPHC prior to death which may reflect an enhanced awareness and effort by HCPs to have earlier conversations with patients who may have language and cultural barriers with discussing goals of care. Good communication improves patients and their family’s understanding of the goals and scope of palliative care services and allow HCPs to better understand the patients’ wishes.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,272
Tête enseignante GPT0,598
Écart entre enseignants0,325 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetInterpreting and Communication in HealthcareTravaux en français237 207