Triggers for Referral to Specialized Palliative Care in Advanced Neurologic and Neurosurgical Conditions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background and Objectives: To systematically review the literature for the most suitable trigger criteria for referral to specialist palliative care services in life-limiting and life-threatening neurologic and neurosurgical conditions. Methods: was used to assess for risk of bias. Results: Our search identified 1,748 publications, of which 22 articles met the eligibility criteria. Studies were considered in 2 main groups: (A) studies designed specifically to identify trigger criteria for referral to specialized neuropalliative care services (n = 9) and (B) studies that retrospectively reported the reason for referral to specialized palliative care or reflected a consensus statement among people with advanced neurologic illness (n = 13). Overall, the results suggest that several published referral triggers for specialized neuropalliative care are based on expert consensus. However, there is a growing body of literature providing evidence-based condition-specific triggers for multiple sclerosis, parkinsonism, amyotrophic lateral sclerosis, and dementia. Discussion: There is a growing body of research that outlines evidence-based referral triggers for neuropalliative care. The ambiguity of nomenclature surrounding referral triggers in the current literature and field of neuropalliative care was a limitation to this study. We suggest that condition-specific triggers are likely to be the most effective for identifying the appropriate patients and timing for referral to specialist palliative care. (PROSPERO registration number: CRD42020135791, crd.york.ac.uk/prospero).
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.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,002 |
| 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 découle