Content of Tele-Palliative Care Consultations with Patients Receiving Dialysis
Notice bibliographique
Résumé
Background: Little is known about the content of communication in palliative care telehealth conversations in the dialysis population. Understanding the content and process of these conversations may lead to insights about how palliative care improves quality of life. Methods: We conducted a qualitative analysis of video recordings obtained during a pilot palliative teleconsultation program. We recruited patients receiving dialysis from five facilities affiliated with an academic medical center. Palliative care clinicians conducted teleconsultation using a wall-mounted screen with a camera mounted on a pole and positioned mid-screen in the line of sight to facilitate direct eye contact. Patients used an iPad that was attached to an IV pole positioned next to the dialysis chair. Conversations were coded using a preexisting framework of themes and content from the Serious Illness Conversation Guide (SICG) and revised Edmonton Symptom Assessment System—Renal. Results: We recruited 39 patients to undergo a telepalliative care consultation while receiving dialysis, 34 of whom completed the teleconsultation. Specialty palliative care clinicians (3 physicians and 1 nurse practitioner) conducted 35 visits with 34 patients. Median (interquartile range) duration of conversation was 42 (28–57) minutes. Most frequently discussed content included sources of strength (91%), critical abilities (88%), illness understanding (85%), fears and worries (85%), what family knows (85%), fatigue (77%), and pain (65%). Process features such as summarizing statements (85%) and making a recommendation (82%) were common, whereas connectional silence (56%), and emotion expression (21%) occurred less often. Conclusions: Unscripted palliative care conversations in outpatient dialysis units through telemedicine exhibited many domains recommended by the SICG, with less frequent discussion of symptoms. Emotion expression was uncommon for these conversations that occurred in an open setting.
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 | 0,003 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».