Change in medical and health care decision-making patterns at the End-of-Life: A cohort of the very old people
Notice bibliographique
Résumé
Abstract How does medical and healthcare decision-making among the very old people change in their last year before death? We explored patterns of decision-making in the Health ABC cohort study in 2011-14 (years 15-17), which involved 12 waves of quarterly phone interviews. When the participant was unable to do the interview, a proxy completed it instead. We identified a sample of 291 decedents (aged 90.0±2.9 at death, 35.7% Black, 52.6% female) with at least 1-year follow-up before death. Percentages of decedents who have made medical or healthcare decisions in the last four quarters before death were 32.0%, 31.2%, 32.6%, 41.9%, respectively. Decedents made more healthcare decisions in the last quarter before death (P<0.01), compared to the baseline. Across all quarters, decision-making is most in need for medications (17.6%), hospital admission (13.2%), and ER/urgent care visit (13.2%). We matched a 1:1 sample of survivors at the time of death by race, sex, and age (within ±3 years). In random effects models with multiple imputations of missing data, we found that decedents were more likely to make healthcare decisions than survivors across all four quarters before death or censor (Odds ratio=1.99, 95%CI: 1.49-2.65, P<0.01). The significance still held after adjusting for age, female, race, education, and interview methods. Overall, compared to matched survivors, the frequency of making medical and healthcare decisions among the very old decedents has already been high in the last year before death. This frequency rose sharply in the last quarter before death.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».