MétaCan
Menu
Retour à la cohorte
Enregistrement W3200727800 · doi:10.1186/s12904-021-00841-z

Evaluating satisfaction with the quality and provision of end-of-life care for patients from diverse ethnocultural backgrounds

2021· article· en· W3200727800 sur OpenAlexafffundabout
Ayah Nayfeh, Christopher J. Yarnell, Craig Dale, Lesley Gotlib Conn, Brigette Hales, Tracey Das Gupta, Anita Chakraborty, Ruxandra Pinto, Ru Taggar, Robert Fowler

Notice bibliographique

RevueBMC Palliative Care · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensBarrie Urology GroupSunnybrook Health Science CentreSinai Health SystemHealth Sciences CentreSunnybrook HospitalPublic Health OntarioUniversity of Toronto
Organismes subventionnairesDepartment of Medicine, University of TorontoUniversity of Toronto
Mots-clésPain medicineQuality of life (healthcare)End-of-life careQuality (philosophy)Palliative carePsychologyMedicineNursingPsychiatryAnesthesiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recently immigrated and ethnic minority patients in Ontario, Canada are more likely to receive aggressive life-prolonging treatment at the end of life in comparison to other patients. To explore this finding further, this survey-based observational study aimed to evaluate satisfaction with the quality of end-of-life care for patients from diverse ethnocultural backgrounds. METHODS: The End-of-Life Satisfaction Survey was used to measure satisfaction with the quality of inpatient end-of-life care from the perspective of next-of-kin of recently deceased patients at Sunnybrook Health Sciences Centre in Toronto, Ontario (between March 2012 to May 2019). The primary outcome was the global rating of satisfaction. Associations with patient ethnicity, patient religion, level of religiosity/spirituality, language/communication barriers, and location of death were assessed using univariable and multivariable modified Poisson regression. Secondary outcomes included differences in satisfaction and rates of dying in intensive care units (ICU) among patient population subgroups, and identification of high priority areas for quality-of-care improvement. RESULTS: There were 1,543 respondents. Patient ethnicities included Caucasian (68.2%), Mediterranean (10.5%), East Asian (7.6%), South Asian (3.5%), Southeast Asian (2.1%) and Middle Eastern (2.0%); religious affiliations included Christianity (66.6%), Judaism (12.3%) and Islam (2.1%), among others. Location of death was most commonly in ICU (38.4%), hospital wards (37.0%) or long-term care (20.0%). The mean(SD) rating of satisfaction score was 8.30(2.09) of 10. After adjusting for other covariates, satisfaction with quality of end-of-life care was higher among patients dying in ICU versus other locations (relative risk [RR] 1.51, 95%CI 1.05-2.19, p=0.028), lower among those who experienced language/communication barriers (RR 0.49 95%CI 0.23-1.06, p=0.069), and lower for Muslim patients versus other religious affiliations (RR 0.46, 95%CI 0.21-1.02, p=0.056). Survey items identified as highest priority areas for quality-of-care improvement included communication and information giving; illness management; and healthcare provider characteristics such as emotional support, doctor availability and time spent with patient/family. CONCLUSION: Satisfaction with quality-of-care at the end of life was higher among patients dying in ICU and lower among Muslim patients or when there were communication barriers between families and healthcare providers. These findings highlight the importance of measuring and improving end-of-life care across the ethnocultural spectrum.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,273
Tête enseignante GPT0,478
Écart entre enseignants0,205 · 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'étudeObservationnel
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

Citations25
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Palliative CareMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207