Barriers to Optimal End-of-Life Care for Adolescents and Young Adults With Cancer: Bereaved Caregiver Perspectives
Notice bibliographique
Résumé
BACKGROUND: Adolescents and young adults (AYAs; aged 15-39 years) with cancer frequently receive intensive measures at the end of life (EoL), but the perspectives of AYAs and their family members on barriers to optimal EoL care are not well understood. METHODS: We conducted qualitative interviews with 28 bereaved caregivers of AYAs with cancer who died in 2013 through 2016 after receiving treatment at 1 of 3 sites (University of Alabama at Birmingham, University of Iowa, or University of California San Diego). Interviews focused on ways that EoL care could have better met the needs of the AYAs. Content analysis was performed to identify relevant themes. RESULTS: Most participating caregivers were White and female, and nearly half had graduated from college. A total of 46% of AYAs were insured by Medicaid or other public insurance; 61% used hospice, 46% used palliative care, and 43% died at home. Caregivers noted 3 main barriers to optimal EoL care: (1) delayed or absent communication about prognosis, which in turn delayed care focused on comfort and quality of life; (2) inadequate emotional support of AYAs and caregivers, many of whom experienced distress and difficulty accepting the poor prognosis; and (3) a lack of home care models that would allow concurrent life-prolonging and palliative therapies, and consequently suboptimal supported goals of AYAs to live as long and as well as possible. Delayed or absent prognosis communication created lingering regret among some family caregivers, who lost the opportunity to support, comfort, and hold meaningful conversations with their loved ones. CONCLUSIONS: Bereaved family caregivers of AYAs with cancer noted a need for timely prognostic communication, emotional support to enhance acceptance of a poor prognosis, and care delivery models that would support both life-prolonging and palliative goals of care. Work to address these challenges offers the potential to improve the quality of EoL care for young people with cancer.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».