Effectiveness of Comprehensive Disease Management Programmes in Improving Clinical Outcomes in Heart Failure Patients. A Meta-Analysis
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
BACKGROUND: Disease management programmes (DMP) have been advocated to improve long term outcomes of heart failure (HF) patients. AIMS: To summarise the evidence supporting DMP effectiveness in improving HF clinical outcomes. METHODS: Eligible studies were located through a systematic literature search. Only randomised controlled trials (RCTs), enrolling HF patients, and allocating them to DMP or usual care (UC), were included. Information on study setting and design, participants' characteristics and interventions tested were collected. A study quality assessment was performed. Main clinical outcomes assessed were: all-cause mortality and (re)hospitalisations, HF-related (re)hospitalisations and mortality. Meta-analysis was performed according to both Yusuf-Peto method and random effects model. RESULTS: Thirty-three RCTs were included. Mortality was significantly reduced by DMP compared to UC: OR = 0.80 (CI 0.69-0.93, p = 0.003). All-cause and HF-related hospitalisation rates were also significantly reduced: OR = 0.76 (CI 0.69-0.94, p < 0.00001) and OR = 0.58 (CI 0.50-0.67, p < 0.00001), respectively. Different DMP approaches appeared to be equally effective (sensitivity analyses). CONCLUSION: DMP reduce mortality and hospitalisations in HF patients. Because various types of DMP appear to be similarly effective, the choice of a specific programme depends on local health services characteristics, patient population, and resources available.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 découle