End of life in haematology: quality of life predictors – retrospective cohort study
Notice bibliographique
Résumé
OBJECTIVES: Haematology patients are more likely to receive high intensity care near end of life (EOL) than patients with solid malignancy. Previous authors have suggested indicators of quality EOL for haematology patients, based on a solid oncology model. We conducted a retrospective chart review with the objectives of (1) determining our performance on these quality EOL indicators, (2) describing the timing of level of intervention (LOI) discussion and palliative care (PC) consultation prior to death and (3) evaluating whether goals of therapy (GOT), PC consultation and earlier LOI discussion are predictors of quality EOL. METHODS: We identified patients who died from haematological malignancies between April 2014 and March 2016 (n=319) at four participating McGill University hospitals and performed retrospective chart reviews. RESULTS: We found that 17% of patients were administered chemotherapy less than 14 days prior to death, 20% of patients were admitted to intensive care, 14% were intubated and 5% were resuscitated less than 30 days prior to death, 18% of patients received blood transfusion less than 7 days prior to death and 67% of patients died in an acute care setting. LOI discussion and PC consultation occurred a median of 22 days (IQR 7-103) and 9 days (IQR 3-19) before death. Patients with non-curative GOT, PC consultation or discussed LOI were significantly less likely to have high intensity EOL outcomes. CONCLUSIONS: In this study, we demonstrate that LOI discussions, PC consults and physician established GOT are associated with quality EOL outcomes for patients with haematological malignancies.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».