Care trajectories and transitions at the end of life: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: End-of-life periods are often characterised by suboptimal healthcare use (HCU) patterns in persons aged 65 years and older, with negative effects on health and quality of life. Understanding care trajectories (CTs) and transitions in this period can highlight potential areas of improvement, a subject yet only little studied. OBJECTIVE: To propose a typology of CTs, including care transitions, for older individuals in the 2 years preceding death. DESIGN: Retrospective cohort study. METHODS: We used multidimensional state sequence analysis and data from the Care Trajectories-Enriched Data (TorSaDE) cohort, a linkage between a Canadian health survey and Quebec health administrative data. RESULTS: In total, 2080 decedents were categorised into five CT groups. Group 1 demonstrated low HCU until the last few months, whilst group 2 showed low HCU over the first year, followed by a steady increase. A gradual increase over the 2 years was observed for groups 3 and 4, though more pronounced towards the end for group 3. A persistent high HCU was observed for group 5. Groups 2 and 4 had higher proportions of cancer diagnoses and palliative care, as opposed to comorbidities and dementia for groups 3 and 5. Overall, 68.4% of individuals died in a hospital, whilst 27% received palliative care there. Care transitions increased rapidly towards the end, most notably in the last 2 weeks. CONCLUSION: This study provides an understanding of the variability of CTs in the last two years of life, including place of death, a critical step towards quality improvement.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».