Late-Life Dementia Care: Identifying Distinct Care Patterns in the Last Years of Life
Notice bibliographique
Résumé
OBJECTIVES: To identify common long-term care patterns in the 6 years before death among individuals aged ≥65 years with dementia in the Netherlands and to examine how sociodemographic and health factors are associated with these patterns. DESIGN: A longitudinal retrospective study was conducted using routinely recorded data for the entire Dutch population on health care use, cause of death, and sociodemographics. SETTING AND PARTICIPANTS: We identified 43,578 individuals who passed away in 2021 with dementia based on their use of dementia-related services and recorded cause of death. METHODS: Using ordered logit latent class analysis, we estimated the likelihood of individuals using long-term care (1: no formal LTC; 2: community-based home care services; 3: nursing home care) in each of the 6 years prior to death. Predictors included age, gender, migration background, partner status, polypharmacy, chronic illness groups, homeownership status, and household income quartiles. RESULTS: Three groups with distinct care patterns were identified: the Late Formal Care Group initially did not receive formal LTC but transitioned to community-based home care services and nursing homes 4 years before death, primarily relying on nursing home care. The Mixed Care Group used community-based home care services 6 years before death and shifted to nursing home care in their final years. A large share of the Early Nursing Home Group already used nursing home care 6 years before death, with nearly all individuals residing in nursing homes during their last 3 years. The Late Formal Care Group typically had higher income, greater homeownership rates, more often had a partner, and exhibited better health than the other groups, which accessed formal care earlier. CONCLUSIONS AND IMPLICATIONS: Variations in care patterns highlight that greater socioeconomic resources, stronger support, and better health relate to later formal care use. Understanding these patterns is vital for informed policy planning and resource allocation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».