Eliciting goal and value-based conversations among the chronic critical illness population in a long-term acute care hospital
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the United States, goal and value-based conversations between healthcare professionals and patients experiencing chronic critical illness (CCI) in a long-term acute care hospital (LTACH) do not occur routinely as part of the standard of care, leading to a poor quality of life and increased levels of stress, anxiety, and depression among this patient population (Kahn et al., 2015; Lamas et al., 2017a; Lamas et al., 2017b). Since the Theory of Planned Behavior is designed to both explain and predict behavior in specific contexts, such as healthcare professionals’ intentions and behavior to have goal and valued-based conversations with this patient population (Ajzen & Fishbein, 2005), and the literature supports the use of semi-structured interview tools to do so with this patient population (Chochinov et al., 2015; Johnston et al., 2015; Lamas et al., 2017a), this doctoral capstone aims to enhance patient-reported outcomes among this patient population by providing healthcare professionals, specifically occupational therapists, with the most useful semi-structured interview tool (i.e., the Canadian Occupational Performance Measure [COPM]) to facilitate goal and value-based conversations more routinely. The COPM is client-centered OT semi-structured interview tool designed to generally (1) elicit goal and value-based conversations; (2) guide collaborative goal-setting; and (3) measure patient-reported outcomes (Law et al., 2005). The results indicate both clinical and statistical significance over time across patients for the patient-reported outcomes, self-perceived performance and satisfaction, demonstrating support for the establishment of routine goal and value-based conversations as part of the standard of care between healthcare professionals and this patient population.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle