A mixed methods process evaluation of a collaborative outpatient palliative care clinic for patients with end-stage liver disease
Notice bibliographique
Résumé
BACKGROUND: Patients with end-stage liver disease (ESLD) have significant symptoms and limited prognosis, yet receive less palliative care (PC) than patients with cancer. The optimal outpatient PC model for patients with ESLD remains unclear. OBJECTIVE: We used process evaluation methodology to evaluate a novel PC clinic for patients with ESLD in Ottawa, Canada. DESIGN: We conducted a convergent parallel mixed methods study, informed by a logic model and process evaluation framework co-designed with a caregiver partner. Qualitative inputs included semi-structured interviews conducted with patients, family caregivers, as well as PC and hepatology clinicians, and analyzed using applied thematic analysis. Quantitative inputs included data collected through a retrospective chart review, analyzing healthcare utilization up to six months before and after consultation. PARTICIPANTS: Interviews conducted with eight healthcare providers (HCPs) and 13 patients and caregivers. Chart review performed for 46 patients seen in the clinic between October 2020 and June 2023. INTERVENTION: An outpatient PC hepatology collaboration clinic, led by specialist PC physicians. APPROACH: Qualitative and quantitative data were analyzed independently and then triangulated for overall interpretation. KEY RESULTS: The evaluation demonstrated the achievement of the outcomes in the logic model and process evaluation domains. Interviews highlighted high satisfaction among HCPs, patients, and caregivers, and effective collaboration between the PC and hepatology teams. Perceived barriers include the burden of in-person appointments. Quantitative results indicated decreased acute healthcare utilization in the six months following PC consultation compared to the six months prior. Over 50% of the deceased patients died outside of the hospital. CONCLUSION: The early outpatient PC clinic provides high-quality, collaborative care for patients with ESLD; study findings suggest an association with reduced acute healthcare utilization and increased likelihood of death occurring outside the hospital. This model represents a promising approach for PC in ESLD and other non-malignant illnesses.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».