Physicians' perspectives of prognosis and goals of care discussions after hip fracture
Notice bibliographique
Résumé
BACKGROUND: Hip fracture often represents a major transition in patients' health, with a 1-year mortality rate between 25% and 30% and a challenging recovery course. Caring for hip fracture patients presents opportunities for goals of care discussions that include prognostic information and guidance about functional dependence. METHODS: We conducted qualitative, semi-structured interviews with 23 attending physicians involved with the care of hip fracture patients, including orthopedic surgeons, anesthesiologists, internists, and geriatricians, across 13 health systems in the United States and Canada. Questions addressed knowledge and interpretation of prognosis, discussing prognosis and goals of care, and timing and prioritization of surgery. Interviews were analyzed using a constructivist grounded theory approach to identify themes and develop a coding taxonomy. RESULTS: Physicians agreed that hip fracture had a considerable 1-year mortality, felt that it was important to discuss prognostic outcomes and the recovery process, wanted to elucidate patients' priorities, and often promoted timely surgery. Physicians perceived challenges when discussing mortality data with new patients in an acute setting. They more easily discussed outcomes related to functional dependence and quality of life. Some physicians used iterative communication as a strategy to have in-depth conversations in a busy perioperative setting. CONCLUSION: Providing timely, compassionate care for hip fracture patients is challenging. There are opportunities to study iterative communication to encourage dialogue at key points of patient care to better discuss prognosis and recovery and bolster coordinated multidisciplinary care that focuses on patients' goals and values.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».