MétaCan
Menu
Retour à la cohorte
Enregistrement W2112830584 · doi:10.1111/sdi.12080

Approaches to Self‐Management in Chronic Illness

2013· review· en· W2112830584 sur OpenAlexaff
Márta Novák, Lucia Costantini, Sabrina Schneider, Heather Beanlands

Notice bibliographique

RevueSeminars in Dialysis · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensMcMaster UniversityUniversity of TorontoToronto Metropolitan UniversityUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychosocialSelf-managementQuality of life (healthcare)Coping (psychology)Health careChronic diseaseDisease managementNursingIntensive care medicinePsychiatryHealth management systemAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Management of a chronic medical condition is a complex process and requires coordinated action between healthcare providers and patients. This process is further complicated by the fact that an increasing number of patients suffer from multiple chronic conditions. Self-management involves active participation of the patients in the everyday care of the symptoms of their illness(es) and medical treatments, as well as maintaining general health and prevention of progression of medical conditions. Managing the psychosocial consequences of illness is also an important component of self-management. Data have demonstrated that enhancing self-management improves quality of life, coping, symptom management, disability, and reduces healthcare expenditures and service utilization. To foster self-management, potential barriers to implementation as well as facilitators and supports for this approach must be acknowledged. In this article, we review various aspects of self-management in chronic illness, focusing on chronic kidney disease. Better understanding of these concepts will facilitate patient-provider collaboration, improve patient care with increased patient and staff satisfaction, and may ultimately result in better clinical outcomes and enhanced quality of life for both the patients and their families.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,086
Tête enseignante GPT0,325
Écart entre enseignants0,239 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations145
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in DialysisMême sujetDiabetes Management and EducationTravaux en français237 207