Quality of palliative and end-of-life care: a quantitative study of temporal trends and differences according to illness trajectories in Quebec (Canada)
Notice bibliographique
Résumé
BACKGROUND: Our aim was to assess temporal trends and compare quality indicators related to Palliative and End-of-Life Care (PEoLC) experienced by people dying of cancer (trajectory I), organ-failure (Trajectory II), and frailty/dementia (trajectory III) in Quebec (Canada) between 2002 and 2016. METHODS: This descriptive population-based study focused on the last month of life of decedents who, based on the principal cause of death, would have been likely to benefit from palliative care. Five PEoLC indicators were assessed: home deaths (1), deaths in acute care beds with no PEoLC services (2), at least one Emergency Room (ER) visit in the last 14 days of life (3), ER visits on the day of death (4) and at least one Intensive Care Unit (ICU) admission in the last month of life (5). Data were obtained from Quebec's Integrated Chronic Disease Surveillance System (QICDSS). RESULTS: The annual percentage of home deaths increased slightly between 2002 and 2016 in Quebec, rising from 7.7 to 9.1%, while the percentage of death during a hospitalization in acute care without palliative care decreased from 39.6% in 2002 to 21.4% in 2016. Patients with organ failure were more likely to visit the ER on the day of death (20.9%) than patients dying of cancer and dementia/frailty with percentages of 12.0% and 6.4% respectively. Similar discrepancies were observed for ICU visits in the last month and ER visits in the last 14 days. CONCLUSION: PEoLC indicators showed more aggressiveness of care for patients with organ failure and highlight the need for more equitable access to quality PEoLC between malignant and non-malignant illness trajectories. These results underline the challenges of providing timely and optimal PEoLC.
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) | 0,002 | 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 ».