Enhancing end-of-life care practices on the medicine units: perspectives from nurses and families
Notice bibliographique
Résumé
BACKGROUND: Death is a part of life. While most often a sombre event, opportunities exist to optimise the experience both for the dying patient and their loved ones. This is especially true in institutionalised settings, such as acute care hospitals where cure and recovery tend to be paramount. PURPOSE: To understand ways to improve end-of-life (EOL) care from the perspective of frontline nursing staff and patient and family advisors (PFAs). METHODS: We conducted focus groups with frontline nursing staff (n=14) and PFAs (n=5) to understand ways to optimise EOL care. Using a videoconference platform, one researcher used a flexible interview guide while a second researcher took field notes. These focus groups were in follow-up to a comprehensive need assessment survey as part of a programme to enhance EOL care practices on the general internal medicine units at our hospital. We used source data from deidentified audio recordings and researcher field notes. RESULTS: Five important categories regarding current EOL care practices emerged: communication among key stakeholders, assessment and management of symptoms, engagement of the palliative care team, engagement of the spiritual care team and ongoing tests and interventions at the EOL. We identified challenges specific to each respondent group as well as common challenges from both the professional and public perspectives. CONCLUSIONS: Views elicited from patients, families and nurses in this qualitative study have informed the development of strategies to enhance EOL practices in our hospital that may be useful in othercentres.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».