Quality of <scp>end‐of‐life</scp> care in multiple myeloma: A <scp>13‐year</scp> analysis of a population‐based cohort in Ontario, Canada
Notice bibliographique
Résumé
Optimizing end-of-life (EOL) care for multiple myeloma (MM) represents an unmet need. An administrative cohort in Ontario, Canada was analysed between 2006 and 2018. Aggressive care was defined as two or more emergency-department visits in the last 30 days before death, or at least two new hospitalizations within 30 days of death, or an intensive care unit (ICU) admission within the last 30 days of life. Supportive care was defined as a physician house-call in the last two weeks before death, or a palliative nursing or personal support visit at home in the last 30 days before death. Among 5095 patients, 23.2% of patients received chemotherapy at EOL and 55.6% of patients died as inpatient. A minority received aggressive care at EOL [28.3%: autologous stem cell transplant (ASCT), 20.4%: non-ASCT], and a majority received supportive care at EOL (65.4%: ASCT, 61.5%: non-ASCT). Supportive care was less likely to be received by those aged over 80 years and in lower-income neighbourhoods. Supportive care at EOL increased from 56.0% in 2006 to 70.3% in 2018. Despite improvements, many patients with MM experience aggressive care at EOL. Even in a publicly funded health care system, disparities based on age, income and community size are present.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 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 ».