Pulmonary referrals to specialist palliative medicine: a survey
Notice bibliographique
Résumé
OBJECTIVES: Patients with chronic respiratory disease have significant palliative care needs, but low utilisation of specialist palliative care (SPC) services. Decreased access to SPC results in unmet palliative care needs among this patient population. We sought to determine the referral practices to SPC among respirologists in Canada. METHODS: Respirologists across Canada were invited to participate in a survey about their referral practices to SPC. Associations between referral practices and demographic, professional and attitudinal factors were analysed using regression analyses. RESULTS: The response rate was 64.7% (438/677). Fifty-nine per cent of respondents believed that their patients have negative perceptions of palliative care and 39% were more likely to refer to SPC earlier if it was renamed supportive care. While only 2.7% never referred to SPC, referral was late in 52.6% of referring physicians. Lower frequency of referral was associated with equating palliative care to end-of-life care (p<0.001), male sex of respirologist (p=0.019), not knowing referral criteria of SPC services (p=0.015) and agreement that SPC services prioritise patients with cancer (p=0.025); higher referral frequency was associated with satisfaction with SPC services (p=0.001). Late referral was associated with equating palliative care to end-of-life care (p<0.001) and agreement that SPC services prioritise patients with cancer (p=0.013). CONCLUSIONS: Possible barriers to respirologists' timely SPC referral include misperceptions about palliative care, lack of awareness of referral criteria and the belief that SPC services prioritise patients with cancer. Future studies should confirm these barriers and evaluate the effectiveness of strategies to overcome them.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».