Describing settings of care in the last 100 days of life for cancer decedents: a population‐based descriptive study
Notice bibliographique
Résumé
BACKGROUND: Few studies have described the settings cancer decedents spend their end-of-life stage, with none considering homecare specifically. We describe the different settings of care experienced in the last 100 days of life by individuals with cancer and how settings of care change as they approached death. METHODS: A retrospective cohort study from January 2013 to December 2017, of decedents whose primary cause of death was cancer, using linked population-level health administrative datasets in Ontario, Canada. RESULTS: Decedents 125,755 were included in our cohort. The average age at death was 73, 46% were female, and 14% resided in rural regions. And 24% died of lung cancer, 7% breast, 7% colorectal, 7% pancreatic, 5% prostate, and 50% other cancers. In the last 100 days of life, decedents spent 25.9 days in institutions, 25.8 days receiving care in the community, and 48.3 days at home without any care. Individuals who died of lung and pancreatic cancers spent the most days at home without any care (52.1 and 52.6 days), while individuals who died of prostate and breast cancer spent the least days at home without any care (41.6 and 45.1 days). Regardless of cancer type, decedents spent fewer days at home and more days in institutions as they approached death, despite established patient preferences for an end-of-life experience at home. CONCLUSIONS: In the last 100 days of life, cancer decedents spent most of their time in either institutions or at home without any care. Improving homecare services during the end-of-life may provide people dying of cancer with a preferred dying experience.
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 | 0,000 | 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 | 0,000 |
| 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 ».