MétaCan
Menu
Retour à la cohorte
Enregistrement W3100279202 · doi:10.1186/s12882-020-02129-5

Nurse-led advance care planning with older people who have end-stage kidney disease: feasibility of a deferred entry randomised controlled trial incorporating an economic evaluation and mixed methods process evaluation (ACReDiT)

2020· article· en· W3100279202 sur OpenAlexfundno aff
Peter O’Halloran, Helen Noble, Kelly Norwood, Fliss EM Murtagh, Joanne Shields, Robert Mullan, Michael Matthews, Chris R. Cardwell, Mike Clarke, Rachael L. Morton, Karan Shah, T.L. Forbes, Kevin Brazil

Notice bibliographique

RevueBMC Nephrology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityUlster UniversityQueen's University BelfastDunhill Medical TrustPublic Health AgencyNational Institute for Health and Care Research
Mots-clésMedicineAdvance care planningEnd stage renal diseasePopulationRandomized controlled trialEconomic evaluationFacilitatorCost effectivenessHealth careIntervention (counseling)NursingFamily medicineDiseasePalliative careSurgeryInternal medicinePsychologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Advance Care Planning is recommended for people with end-stage kidney disease but evidence is limited. Robust clinical trials are needed to investigate the impact of advance care planning in this population. There is little available data on cost-effectiveness to guide decision makers in allocating resources for advance care planning. Therefore we sought to determine the feasibility of a randomised controlled trial and to test methods for assessing cost-effectiveness. METHODS: A deferred entry, randomised controlled feasibility trial, incorporating economic and process evaluations, with people with end-stage kidney disease, aged 65 years or older, receiving haemodialysis, in two renal haemodialysis units in Northern Ireland, UK. A nurse facilitator helped the patient make an advance care plan identifying: a surrogate decision-maker; what the participant would like to happen in the future; any advance decision to refuse treatment; preferred place of care at end-of-life. RESULTS: Recruitment lasted 189 days; intervention and data collection 443 days. Of the 67 patients invited to participate 30 (45%) declined and 36 were randomised to immediate or deferred advance care plan groups. Twenty-two (61%) made an advance care plan and completed data collection at 12 weeks; 17 (47.2%) were able to identify a surrogate willing to be named in the advance care plan document. The intervention was well-received and encouraged end-of-life conversations, but did not succeed in helping patients to fully clarify their values or consider specific treatment choices. There was no significant difference in health system costs between the immediate and deferred groups. CONCLUSIONS: A trial of advance care planning with participants receiving haemodialysis is feasible and acceptable to patients, but challenging. A full trial would require a pool of potential participants five times larger than the number required to complete data collection at 3 months. Widening eligibility criteria to include younger (under 65 years of age) and less frail patients, together with special efforts to engage and retain surrogates may improve recruitment and retention. Traditional advance care planning outcomes may need to be supplemented with those that are defined by patients, helping them to participate with clinicians in making medical decisions. TRIAL REGISTRATION: Registered December 16, 2015. ClinicalTrials.gov Identifier: NCT02631200 .

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil0,870

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,380
Écart entre enseignants0,344 · 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'étudeEssai randomisé
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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NephrologyMême sujetDialysis and Renal Disease ManagementTravaux en français237 207