Exploring the Acceptability and Relevance of Tool-supported Advance Care Planning (ACP) for a Long-term Care (LTC) Home Environment
Notice bibliographique
Résumé
Abstract Objectives: Despite known benefits, advance care planning (ACP) is rarely a component of usual practice in long-term care (LTC). A series of tools and workbooks have been developed to support ACP uptake. Yet, their acceptability and relevance for LTC has yet to be examined. This study explored the extent to which available ACP materials hold promise in improving ACP engagement in LTC by (1) exploring LTC home staff’s reactions to tool supported ACP and (2) examining if available ACP tools include content of relevance to LTC. Methods: A combination of focus group deliberations with LTC home staff (N=32) and content analysis of publicly available ACP workbooks (N=32) were used to meet the study aims. Results: Focus group deliberations suggested that tool-directed ACP is a promising approach for LTC, provided tools include psychosocial elements and are paper-based. Content analysis of available tools revealed that only a handful of paper-based ACP tools (32/611, 5%) include, psychosocial content, with most encouraging psychosocially-oriented reflections (30/32, 84%), and far fewer providing direction around other elements of ACP such as communicating psychosocial preferences (14/32, 44%) or transforming preferences into a documented plan (7/32, 22%). Conclusions: Tool-supported ACP appears acceptable to LTC staff. To improve ACP uptake in LTC selected tools should include psychosocial content that can be supported by a range of clinical and non-clinical staff. Available ACP tools may require infusion of scenarios pertinent to frail older persons, and a better balance between psychosocial content that elicits reflections and psychosocial content that supports communication.
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 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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».