Sunset haematology: Improving the end-of-life journey for patients and caregivers, in patients with haematologic malignancies
Notice bibliographique
Résumé
BACKGROUND AND AIM Haematologic Malignancies (HM) are diverse diseases with differing illness trajectories and therapeutic pathways. Unfortunately HM patients may rapidly and unexpectedly clinically deteriorate, resulting in suboptimal engagement of palliative and end-of-life (EOL) care. Compared to patients with solid tumours, HM patients have many different factors affecting their end-of-life (EOL) journey. Uniquely, a subset of HM patients with bone marrow failure (BMF) can be supported for significant, but highly variable, periods of time with red blood cell transfusions (RBCT), platelet transfusions (PT) and prophylactic antibiotics. Availability of chronic RBCTs and PTs make HM patients with BMF similar to elderly and poor prognosis patients with end stage kidney disease (ESKD). Multidisciplinary Palliative Supportive Care programs have been shown to be effective for these EKSD patients and may serve as supportive care models for EOL journey in HM patients. This project is a pilot study aiming to provide a template for management of EOL for patients with HM with BMF, and their care-givers. METHODS Three components are being developed: 1) Survey of patient opinions around treatment decision-making. 2) Analyses of the impact of patient, disease and treatment factors on the probability of survival from start of PT, to inform patients. 3) Collaborative involvement between Haematology and Palliative Care staff involved in the local ESKD program, to develop a template for earlier EOL pathway planning in HM patients. CONCLUSION Progress of work to date will be presented including preliminary findings and next steps.
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 ».