Developing country-specific questions about end-of-life care for nursing home residents with advanced dementia using the nominal group technique with family caregivers
Notice bibliographique
Résumé
OBJECTIVE: We aimed to develop question prompt lists (QPLs) for family caregivers of nursing home residents with advanced dementia in the context of a study involving Canada, the Czech Republic, Italy, the Netherlands, the United Kingdom and Ireland, and to explore cross-national differences. QPLs can encourage family caregivers to ask questions about their relative's end-of-life care. METHODS: We used nominal group methods to create country-specific QPLs. Family caregivers read an information booklet about end-of-life care for people with dementia, and generated questions to ask healthcare professionals. They also selected questions from a shortlist. We analyzed and compared the QPLs using content analysis. RESULTS: Four to 20 family caregivers per country were involved. QPLs ranged from 15 to 24 questions. A quarter (24%) of the questions appeared in more than one country's QPL. One question was included in all QPLs: "Can you tell me more about palliative care in dementia?". CONCLUSION: Family caregivers have many questions about dementia palliative care, but the local context may influence which questions specifically. Local end-user input is thus important to customize QPLs. PRACTICE IMPLICATIONS: Prompts for family caregivers should attend to the unique information preferences among different countries. Further research is needed to evaluate the QPLs' use.
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 | 0,052 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».