MétaCan
Menu
Retour à la cohorte
Enregistrement W1990850369 · doi:10.1007/s12160-011-9276-y

Are Couple-Oriented Interventions Effective Across Chronic Illnesses? A Commentary on Martire et al.

2011· letter· en· W1990850369 sur OpenAlexaff
Erin Arthurs, Allison Leavens, Brooke Levis, Brett D. Thombs

Notice bibliographique

RevueAnnals of Behavioral Medicine · 2011
Typeletter
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionHealth psychologyPsychologyPsychotherapistMedicineClinical psychologyPsychiatryNursingPublic health

Résumé

récupéré en direct d'OpenAlex

In their recent meta-analysis, Martire et al. [1] reviewed 25 studies of patients with cancer, arthritis, cardiovascular disease, chronic pain, HIV, and type 2 diabetes and reported that couple-oriented interventions had significant effects on depressive symptoms (d = 0.18), marital functioning (d = 0.18), and pain (d = 0.19). They broadly concluded that couple interventions were more efficacious than patient-only psychosocial intervention or usual care. Meta-analyses on interventions are conducted so that clinicians and policy makers can assess the likely effects in clinical practice of a particular treatment for a particular patient group. Beyond reporting a summary effect size, meta-analysts are expected to transparently report steps taken to identify and extract data from relevant studies, synthesize data, and assess risk of bias, such as from methodological shortcomings in original studies [2]. The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) statement [3], which has been adopted by the Annals of Behavioral Medicine, describes steps to be followed to ensure that key information is transparently reported in meta-analyses. Martire et al. did not report on several key items from PRISMA. For example, PRISMA requires that summary data be provided for each study, including the individual effects combined to generate an overall effect estimate. Martire et al., however, only reported a single synthesized effect size for each outcome. Similarly, PRISMA requires a transparent description of how risk of bias in original studies was assessed and reflected in data synthesis and conclusions. Martire et al. stated broadly that methodological improvements are needed in couple-oriented intervention research, but did not document how they arrived at this conclusion or provide information on risk of bias in individual studies. As a result, independent confirmation of the reported results or an assessment of the degree to which results might be influenced by potential bias in original studies would require readers to review individually each of the 25 studies included in the meta-analysis. PRISMA also recommends that the questions addressed by a meta-analysis be explicit in terms of participant characteristics, interventions, comparisons, outcomes, and study design. Martire et al. included studies on a broad range of intervention strategies, in individual and group formats, delivered in three to 20 sessions, for patients with many different challenges, leaving clinicians with little guidance regarding what treatment strategy and format might work for whom. In addition, Martire et al. combined outcomes from the studies they reviewed if they were reported in the original studies, but without regard to whether outcomes were specifically targeted by interventions. An intervention specifically designed to improve pain management in arthritis, for example, might have a different effect on pain than an intervention intended to enhance weight loss, even if pain reduction was reported for the latter. Meta-analyses are cited more than any other type of study design and are prioritized in practice guidelines [4, 5]. Researchers, peer-reviewers, and journal editors should work to improve adherence to PRISMA standards so that clinicians and policy makers can more confidently interpret results and incorporate evidence-based strategies into practice.

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)0,041
score de la tête « metaresearch » (Gemma)0,215
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,217

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,215
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0040,004
Études des sciences et des technologies0,0030,005
Communication savante0,0040,009
Science ouverte0,0120,003
Intégrité de la recherche0,0400,037
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,678
Tête enseignante GPT0,699
Écart entre enseignants0,021 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Behavioral MedicineMême sujetHealth Policy Implementation ScienceTravaux en français237 207