Healthcare Professionals’ Intention to Engage in Serious Illness Conversations After Training: A Secondary Analyses of a cRCT
Notice bibliographique
Résumé
Context: Few studies have evaluated the impact of an interprofessional advance care planning (ACP) intervention in primary care. A structured ACP training as part of the implementation of the Serious Illness Care Program (SICP) was adapted to include an interprofessional team-based approach to ACP. Objective: To evaluate the impact of being trained in an Interprofessional team-based approach to ACP compared to being trained in an individual clinician-based ACP approach on primary healthcare professionals’ (HCP’s) intention to engage patients in serious illness conversations Study design and analysis: We conducted a comparative effectiveness study using post-interventions measures from a cluster-randomized clinical trial Setting: community-based primary care practices (PCPs) in the United States and in Canada recruited from 7 practice-based research networks (PBRNs) that are part of the Meta-Larc consortium. The unit of randomization was the PCPs stratified by PBRN. Population: HCP’s recruited through primary care practices. Intervention: Practices were assigned to either an interprofessional team-based training (intervention) or individual clinician-based (comparator). Both trainings were adapted from the SICP developed by Ariadne Labs and lasted 3 hours (1.5h online tutorial and 1.5h in-person role-play session). Outcome Measures: The intention of primary HCP’s to have serious illness conversations after being trained in an interprofessional team-based approach or an individual clinician-based approach of the SICP, measured using the CPD-REACTION questionnaire. Results: 38 of 45 (84.4%) practices participated and 373 of 535 (69.7%) HCP’s fully answered the CPD-REACTION in the study (64.1% under 44 years old; 78.0% women; 85.0% at least 4-years university studies 71.6.2% were primary care clinicians; 53.9% in urban settings). After training, mean intention scores for the interprofessional team-based (n=223) and individual clinician-based (n=150) were 6.0 ± 1.1 and 6.5 ± 0.7, respectively. Mean difference was -0.45 (CI -0.79; -0.11; p=0.01). Adjusted for education level and profession, mean difference was -0.05(CI -0.38;0.29); p=0.77). Conclusions: Participants in the interprofessional team-based training did not perform better than the individual clinician-based approach in impacting healthcare professionals’ intentions to have serious illness conversations. Profession and education may have a role in the results found.
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 | 0,009 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,010 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».