Development of an Advance Care Planning Policy within an Evidenced-Based Evaluation Framework
Notice bibliographique
Résumé
Background: As the population is aging and medical advancements enable people to live longer, advance care planning (ACP) becomes increasingly important in guiding future care decisions; however, they are often incomplete or absent from the patient chart. This study describes the development and implementation of an ACP policy in a post-acute care and long-term care setting using a systematic implementation framework. Methods: A process evaluation that parallels the Replicating Effective Programs (REP) framework was used to understand stakeholder experiences with ACP and identify gaps in practice. Physicians, multidisciplinary staff, patients, and substitute decision makers engaged in focus groups and interviews, and completed surveys. A retrospective chart review determined Plan for Life Sustaining Treatment (PLST) form completion rates. Results: Stakeholder feedback identified barriers and facilitators to ACP including a need for staff training, user-friendly resources, and standardization of ACP practice. The PLST form was developed and embedded in the electronic medical record, and had a 92% and an 87% PLST completion rate on 2 pilot units. Conclusion: The study showed the usefulness of the REP model in guiding the evaluation as an effective tool to enhance implementation practices and inform ACP policy development that can be replicated in other organizations.
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 | 0,603 | 0,401 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,016 | 0,012 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».