Dying at home: why not? The views of community nurses on why cancer patients may not be able to achieve a home death
Notice bibliographique
Résumé
Background: It is acknowledged that between 50-75% of those with cancer and more than 50% of adults (if diagnosed with a terminal illness) would prefer to die at home. Although the introduction of initiatives such as the UK Government’s End of Life Care Programme is intended to promote patient choice at this time, more than a quarter of those with a terminal illness do not die at home. A gap clearly exists between patients’ preferences and their actual place of death that is poorly understood. Various influencing factors have been suggested including local out of hours services, a cancer diagnosis and the ability of families to care. This study sought to explore the topic from the perspective of community nurses, in an attempt to identify factors locally, which might result in a change in decision away from a preferred home death for people with cancer. Methodology: As the study sought to explore personal perspectives on the topic, a qualitative methodology was adopted. Data collection was through focus groups, which enabled group discussion and interaction, and allowed participants to use their own frames of reference. A purposive sample of community Macmillan nurses and district nurses who could draw on examples from their practice in a discussion around place of death in cancer were invited to take part. Nineteen nurses from two primary care trusts in the north west of England participated in two audio taped focus groups. Data were analysed for emerging themes using thematic analysis. Results and Discussion: Two main themes emerged, carer breakdown and service provision. However contributory factors were identified including: delays in provision of services, unrealistic expectations of patients, carers and hospital staff, illness duration and patients’ perceptions of their carer’s abilities. This paper discusses the results and explores potential reasons for the findings.
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 | 0,014 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,011 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,009 |
| 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 ».