A multi-stage process to develop quality indicators for community-based palliative care using interRAI data
Notice bibliographique
Résumé
BACKGROUND: Individuals receiving palliative care (PC) are generally thought to prefer to receive care and die in their homes, yet little research has assessed the quality of home- and community-based PC. This project developed a set of valid and reliable quality indicators (QIs) that can be generated using data that are already gathered with interRAI assessments-an internationally validated set of tools commonly used in North America for home care clients. The QIs can serve as decision-support measures to assist providers and decision makers in delivering optimal care to individuals and their families. METHODS: The development efforts took part in multiple stages, between 2017-2021, including a workshop with clinicians and decision-makers working in PC, qualitative interviews with individuals receiving PC, families and decision makers and a modified Delphi panel, based on the RAND/ULCA appropriateness method. RESULTS: Based on the workshop results, and qualitative interviews, a set of 27 candidate QIs were defined. They capture issues such as caregiver burden, pain, breathlessness, falls, constipation, nausea/vomiting and loneliness. These QIs were further evaluated by clinicians/decision makers working in PC, through the modified Delphi panel, and five were removed from further consideration, resulting in 22 QIs. CONCLUSIONS: Through in-depth and multiple-stakeholder consultations we developed a set of QIs generated with data already collected with interRAI assessments. These indicators provide a feasible basis for quality benchmarking and improvement systems for care providers aiming to optimize PC to individuals and their families.
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 | 0,307 | 0,297 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,017 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».