Gift of time: learning together to embed a palliative approach to care in long-term care
Notice bibliographique
Résumé
BACKGROUND: Embedding a Palliative Approach to Care (EPAC) is a model that helps shift the culture in long-term care (LTC) so that residents who could benefit from palliative care are identified early. Healthcare Excellence Canada supported the implementation of EPAC in seven teams from across Canada between August 2018 and September 2019. OBJECTIVE: To identify effective strategies for supporting the early identification of palliative care needs to improve the quality of life of residents in LTC. INTERVENTION: Training methods on the EPAC model included a combination of face-to-face education (national and regional workshops), online learning (webinars and access to an online platform) and expert coaching. Each team adapted EPAC based on their organisational context and jurisdictional requirements for advance care planning. MEASURES: Teams tracked their progress by collecting monthly data on the number of residents who died, date of their most recent goals of care (GOCs) conversation, location of death and number of emergency department (ED) transfers in the last 3 months of life. Teams also shared their implementation strategies including successes, barriers and lessons. RESULTS: Implementation of EPAC required leadership support and dedicated time for changing how palliative care is perceived in LTC. Based on 409 resident deaths, 89% (365) had documented GOC conversations; 78% (318) had no transfers to the ED within the last 3 months of life; and 81% (333) died at home. A monthly review of the results showed that teams were having earlier GOC conversations with residents. Teams also reported improvements in the quality of care provided to residents and their families. CONCLUSION: EPAC was successfully adapted and adopted to the organisational contexts of homes participating in the collaborative.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».