Using the serious illness conversation guide to improve the quality of life of hematology-oncology patients: a pilot study
Notice bibliographique
Résumé
Introduction: Hematology-oncology patients are more likely to receive high intensity care (HIC), including ICU admission and active cancer treatment, than solid cancer patients near end of life (EOL). This prevents patients and their families from realistically planning for the future, and diminishes quality of life (QOL). We previously conducted a retrospective study to understand factors influencing HIC outcomes at EOL in hematology patients at McGill-affiliated hospitals. While non-curative goals, early level of intervention (LOI) discussions and palliative care (PC) involvement lowered the likelihood of HIC at EOL, the median time of LOI discussion and PC involvement to death was 22 and 9 days respectively. We hypothesize that a timely discussion aligning patient perspectives and goals with their treating team could improve QOL at EOL. Methods: We are conducting a pilot study looking at the impact of using the Serious Illness Conversation Guide (SICG), a validated conversation tool in the general oncology population, on the QOL of hematology patients. Participants are identified by their treating doctor or nurse practitioner to be at risk of dying in the next year. The primary aim is to decrease death in acute care. Secondary aims include reporting other HIC outcomes, time from LOI discussion and PC consult to death, and the short term benefit to QOL. In addition, qualitative analysis will explore participant perspectives on benefits of the SICG and areas to improve, and explore EOL QOL topics relevant to hematology patients. We have currently enrolled 2 patients. Interim analysis is projected for September 2023.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».