MétaCan
Menu
Retour à la cohorte
Enregistrement W3099448257 · doi:10.4103/ijpc.ijpc_17_20

Improving access and quality of palliative care in Kerala: A cross-sectional study of providers in routine practice

2020· article· en· W3099448257 sur OpenAlexaff
Anjali Krishnan, Bipin Gopal, Christopher M. Booth

Notice bibliographique

RevueIndian Journal of Palliative Care · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicinePalliative careFamily medicineContext (archaeology)PsychosocialCross-sectional studyNursingPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Expanding access and improving quality of palliative care in low-middle income countries is a pressing priority. OBJECTIVE: The objective of the study was to describe structure and processes of care across government (GO) and non-GO (NGO) palliative care providers (PCPs) in Kerala, India. DESIGN: This was a cross-sectional telephone survey. SETTING/SUBJECTS: This study consisted of 200 randomly selected PCPs across Kerala. The survey explored organizational structure, patient assessment, opioid availability, and explored elements considered essential to palliative care delivery in the Indian context. RESULTS: < 0.001). CONCLUSIONS: Caution is needed against potential challenges to quality care in any new initiative. Kerala has achieved remarkable success in the coverage of palliative care through hundreds of locally active NGOs through GO machinery involving every primary health center. Yet, there are gaps such as absence of full-time physicians. This study highlights the need for periodic review to identify gaps in 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,008
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,204
Tête enseignante GPT0,494
Écart entre enseignants0,291 · 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 tête enseignante, 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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndian Journal of Palliative CareMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207