Goals of Care Conversations in Long-Term Care during the First Wave of the COVID-19 Pandemic
Notice bibliographique
Résumé
Goals of care discussions typically focus on decision maker preference and underemphasize prognosis and outcomes related to frailty, resulting in poorly informed decisions. Our objective was to determine whether navigated care planning with nursing home residents or their decision makers changed care plans during the first wave of the COVID-19 pandemic. The MED-LTC virtual consultation service, led by internal medicine specialists, conducted care planning conversations that balanced information-giving/physician guidance with resident autonomy. Consultation included (1) the assessment of co-morbidities, frailty, health trajectory, and capacity; (2) in-depth discussion with decision makers about health status and expected outcomes; and (3) co-development of a care plan. Non-parametric tests and logistic regression determined the significance and factors associated with a change in care plan. Sixty-three residents received virtual consultations to review care goals. Consultation resulted in less aggressive care decisions for 52 residents (83%), while 10 (16%) remained the same. One resident escalated their care plan after a mistaken diagnosis of dementia was corrected. Pre-consultation, 50 residents would have accepted intubation compared to 9 post-consultation. The de-escalation of care plans was associated with dementia, COVID-19 positive status, and advanced frailty. We conclude that during the COVID-19 pandemic, a specialist-led consultation service for frail nursing home residents significantly influenced decisions towards less aggressive care.
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 | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».