Advance care planning conversations in primary care: a quality improvement project using the Serious Illness Care Program
Notice bibliographique
Résumé
BACKGROUND: Advance care planning (ACP) conversations are associated with improved end-of-life healthcare outcomes and patients want to engage in ACP with their healthcare providers. Despite this, ACP conversations rarely occur in primary care settings. The objective of this study was to implement ACP through adapted Serious Illness Care Program (SICP) training sessions, and to understand primary care provider (PCP) perceptions of implementing ACP into practice. METHODS: We conducted a quality improvement project guided by the Normalization Process Theory (NPT), in an interprofessional academic family medicine group in Hamilton, Ontario, Canada. NPT is an explanatory model that delineates the processes by which organizations implement and integrate new work. PCPs (physicians, family medicine residents, and allied health care providers), completed pre- and post-SICP self-assessments evaluating training effectiveness, a survey evaluating program implementability and sustainability, and semi-structured qualitative interviews to elaborate on barriers, facilitators, and suggestions for successful implementation. Descriptive statistics and pre-post differences (Wilcoxon Sign-Rank test) were used to analyze surveys and thematic analysis was used to analyze qualitative interviews. RESULTS: 30 PCPs participated in SICP training and completed self-assessments, 14 completed NoMAD surveys, and 7 were interviewed. There were reported improvements in ACP confidence and skills. NoMAD surveys reported mixed opinions towards ACP implementation, specifically concerning colleagues' abilities to conduct ACP and patients' abilities to participate in ACP. Physicians discussed busy clinical schedules, lack of patient preparedness, and continued discomfort or lack of confidence in having ACP conversations. Allied health professionals discussed difficulty sharing patient prognosis and identification of appropriate patients as barriers. CONCLUSIONS: Training in ACP conversations improved PCPs' individual perceived abilities, but discomfort and other barriers were identified. Future iterations will require a more systematic process to support the implementation of ACP into regular practice, in addition to addressing knowledge and skill gaps.
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 | 0,017 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».