Place of death in the population dying from diseases indicative of palliative care need : a cross-national population-level study in 14 countries
Notice bibliographique
Résumé
Background Studying where people die across countries can serve as an evidence base for health policy on end-of-life care. This study describes the place of death of people who died from diseases indicative of palliative care need in 14 countries, the association of place of death with cause of death, sociodemographic and healthcare availability characteristics in each country and the extent to which these characteristics explain country differences in the place of death. Methods Death certificate data for all deaths in 2008 (age ≥1 year) in Belgium, Canada, the Czech Republic, England, France, Hungary, Italy, Mexico, the Netherlands, New Zealand, South Korea, Spain (Andalusia), the USA and Wales caused by cancer, heart/renal/liver failure, chronic obstructive pulmonary disease, diseases of the nervous system or HIV/AIDS were linked with national or regional healthcare statistics (N=2 220 997). Results 13% (Canada) to 53% (Mexico) of people died at home and 25% (the Netherlands) to 85% (South Korea) died in hospital. The strength and direction of associations between home death and cause of death, sociodemographic and healthcare availability factors differed between countries. Differences between countries in home versus hospital death were only partly explained by differences in these factors. Conclusions The large differences between countries in and beyond Europe in the place of death of people in potential need of palliative care are not entirely attributable to sociodemographic characteristics, cause of death or availability of healthcare resources, which suggests that countries’ palliative and end-of-life care policies may influence where people die.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».