Building Palliative Care Capacity for Generalist Providers in the Community: Results From the Capaciti Pilot Education Program
Notice bibliographique
Résumé
Objective: Primary care providers play an important role in providing early palliative care, however they often lack practical supports to operationalize this approach in practice. CAPACITI is a virtual training program aimed at providing practical tips, strategies, and action plans to help primary care providers offer an early palliative approach to care. The CAPACITI pilot program consisted of 10 facilitated, monthly training sessions, covering identification and assessment, communication, and engaging caregivers and specialists. We present the findings of an evaluation of the pilot program. Method: We conducted a single cohort study of primary care providers who participated in CAPACITI. Study outcomes were the change in the percentage of caseload reported as requiring palliative care and improved confidence in competencies measured on a 20-item, study-created survey. Pre and post survey data were analyzed using paired t-tests. Results: Twenty-two teams representing 127 care providers (including 36 physicians and 28 Nurse Practitioners) completed CAPACITI. Paired comparisons showed a moderate improvement in confidence across the competencies covered (.6 to 1.3 mean improvement across items using seven-point scales, all P < .05). Pre-CAPACITI, clinician prescribers ( N = 32) identified a mean of 1.2% of their caseload requiring a palliative approach to care, which increased to 1.6% post-program ( P = .02). Said differently, the total group of paired clinician prescribers identified 338 patients as requiring palliative care in their caseloads at baseline vs 482 patients following the intervention, for an overall increase of 144 patients in their collective caseloads. Conclusion: CAPACITI improved self-assessed palliative care identification and provider confidence in core competencies. The program demonstrated potential for building palliative care capacity in primary care teams.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».