Palliative End-of-Life Medication Prescribing Rates in Long-Term Care: A Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Medications are often needed to manage distressing end-of-life symptoms (eg, pain, agitation). OBJECTIVES: In this study, we describe the variation in prescribing rates of symptom relief medications at the end of life among long-term care (LTC) decedents. We evaluate the extent these medications are prescribed in LTC homes and whether prescribing rates of end-of-life symptom management can be used as an indicator of quality end-of-life care. DESIGN: Retrospective cohort study using administrative health data. SETTING AND PARTICIPANTS: LTC decedents in all 626 publicly funded LTC homes in Ontario, Canada, between January 1, 2017, and March 17, 2020. METHODS: For each LTC home, we measured the percent of decedents who received 1+ prescription(s) for a subcutaneous end-of-life symptom management medication ("end-of-life medication") in their last 14 days of life. We then ranked LTC homes into quintiles based on prescribing rates. RESULTS: We identified 55,916 LTC residents who died in LTC. On average, two-thirds of decedents (64.7%) in LTC homes were prescribed at least 1 subcutaneous end-of-life medication in the last 2 weeks of life. Opioids were the most common prescribed medication (overall average prescribing rate of 62.7%). LTC homes in the lowest prescribing quintile had a mean of 37.3% of decedents prescribed an end-of-life medication, and the highest quintile mean was 82.5%. In addition, across these quintiles, the lowest prescribing quintile had a high average (30.3%) of LTC residents transferred out of LTC in the 14 days compared with the highest prescribing quintile (12.7%). CONCLUSIONS AND IMPLICATIONS: Across Ontario's LTC homes, there are large differences in prescribing rates for subcutaneous end-of-life symptom relief medications. Although future work may elucidate why the variability exists, this study provides evidence that administrative data can provide valuable insight into the systemic delivery of end-of-life care.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».