MétaCan
Menu
Retour à la cohorte
Enregistrement W6889127143 · doi:10.25384/sage.c.4620221

Survey on Barriers to Critical Care and Palliative Care Integration

2019· other· en· W6889127143 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2019
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultidisciplinary approachPalliative careQuality (philosophy)Intensive care unitFocus groupUnit (ring theory)Health care

Résumé

récupéré en direct d'OpenAlex

Purpose:It has been shown that integrating palliative care (PC) in intensive care unit (ICU) improves end-of-life care (EOLC), but very few Canadian hospitals have adopted this practice. Our study aims to evaluate the perceived quality of EOLC at participating institutions and explore barriers toward ICU-PC integration.Materials and Methods:A self-administered questionnaire was developed by a multidisciplinary team. Survey items were extracted from published quality indicators in EOLC and barriers to ICU-PC integration. The study took place at 2 academic institutions. Participants consisted of physicians and nurses, ICU administrators, and allied health workers.Results:An overall response of 45% was achieved. Of total, 85% of the respondents were ICU nurses. The following main themes were identified: (1) There is a poor presence of PC in the ICU and 78% of respondents felt that increasing ICU-PC integration will improve quality of EOLC; (2) the main barrier to integration was unrealistic patient and/or family expectations; and (3) criteria-triggered consultation to PC was the most feasible way to achieve integration.Conclusion:Our findings indicate that the majority of respondents perceive that the presence of PC in ICU will improve EOLC. Future quality improvement initiatives can focus on developing a set of criteria for triggering PC consults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,402
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207