Association of Race with End-of-Life Treatment Preferences in Older Adults with Cancer Receiving Outpatient Palliative Care
Notice bibliographique
Résumé
Background: End-of-life discussions and documentation of preferences are especially important for older cancer patients who are at high risk of morbidity and mortality. Objective: To evaluate influence of demographic factors such as religiosity, education, income, race, and ethnicity on treatment preferences for end-of-life care. Methods: A retrospective observational study was performed on baseline data from a multisite randomized clinical trial of Dignity Therapy in 308 older cancer patients who were receiving outpatient palliative care (PC). Interviews addressed end-of-life treatment preferences, religion, religiosity and spirituality, and awareness of prognosis. End-of-life treatment preferences for care were examined, including preferences for general treatment, cardiopulmonary resuscitation (CPR), and mechanical ventilation (MV). Bivariate associations and multiple logistic regression analysis of treatment preferences with demographic and other baseline variables were conducted. Results: Our regression models demonstrated that race was a significant predictor for CPR preference and preferences for MV, although not for general treatment goals. Minority patients were more likely to want CPR and MV than whites. Men were more likely to opt for MV, although not for CPR or overall aggressive treatment, than women. Higher level of education was a significant predictor for preferences for less aggressive care at the end-of-life but not for CPR or MV. Higher level of terminal illness awareness was also a significant predictor for preferences for CPR, but not MV or aggressive care at the end-of-life. Discussion: Race was significantly associated with all three markers for aggressive care in bivariate analysis and with two out of three markers in multiple regression analysis, with minorities preferring aggressive care and whites preferring less aggressive care. Contrary to our hypothesis, income was not significantly associated with treatment preferences, whereas religion was significantly associated with all markers for aggressive care in bivariate models, but not in multiple regression models. Clinical Trial Registration Number NCT03209440.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».