MétaCan
Menu
Retour à la cohorte
Enregistrement W2136295528 · doi:10.1177/1054773810365994

Postoperative Patient Education: A Systematic Review

2010· review· en· W2136295528 sur OpenAlexafffund
Suzanne Fredericks, Sepali Guruge, Souraya Sidani, Teresa Wan

Notice bibliographique

RevueClinical Nursing Research · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesCanada Research Chairs
Mots-clésPsychological interventionMedicinePatient educationHealth educationFamily medicineNursingPublic health

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Knowledge of the effects of the specific approach, mode of delivery, and dose of educational interventions is essential to develop and implement effective postoperative educational interventions. Understanding the relationships of patient characteristics to outcomes is important for educational interventions. PURPOSE AND METHOD: The purpose of this systematic review was to examine who would most benefit from postoperative education, given in what type of approach and mode, and at what dose? The sample included 58 studies involving 5,271 participants. MAJOR RESULTS: Findings indicate that delivery of postoperative patient education through the individualization of content, use of combined media for delivery, provision of education on a one-on-one basis, and in multiple sessions is associated with improvement in educational/health outcomes. Samples that contained individuals younger than 50 years and higher percentages of males showed benefits in outcomes of moderate magnitude. APPLICATION: The results highlight the importance of attending to the characteristics of both the elements of postoperative educational interventions and the individual patients in the design and delivery of patient education.

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)0,010
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,049
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,004
Bibliométrie0,0080,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,366
Tête enseignante GPT0,633
Écart entre enseignants0,267 · 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'étudeRevue systématique
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

Citations130
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Nursing ResearchMême sujetSurgical Simulation and TrainingTravaux en français237 207