Transitional Care for Patients With Congestive Heart Failure: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
PURPOSE: We aimed to determine the impact of transitional care interventions (TCIs) on acute health service use by patients with congestive heart failure in primary care and to identify the most effective TCIs and their optimal duration. METHODS: We conducted a systematic review and meta-analysis of randomized controlled trials, searching the Medline, PsycInfo, EMBASE, and Cochrane Library databases. We performed a meta-analysis to assess the impact of TCI on all-cause hospital readmissions and emergency department (ED) visits. We developed a taxonomy of TCIs based on intensity and assessed the methodologic quality of the trials. We calculated the relative risk (RR) and a 95% confidence interval for each outcome. We conducted a stratified analysis to identify the most effective TCIs and their optimal duration. RESULTS: We identified 41 randomized controlled trials. TCIs significantly reduced risks of readmission and ED visits by 8% and 29%, respectively (relative risk = 0.92; 95% CI, 0.87-0.98; P = .006 and relative risk = 0.71; 95% CI, 0.51-0.98; P = .04). High-intensity TCIs (combining home visits with telephone followup, clinic visits, or both) reduced readmission risk regardless of the duration of follow-up. Moderate-intensity TCIs were efficacious if implemented for a longer duration (at least 6 months). In contrast, low-intensity TCIs, entailing only followup in outpatient clinics or telephone follow-up, were not efficacious. CONCLUSIONS: Clinicians and managers who implement TCIs in primary care can incorporate these results with their own health care context to determine the optimal balance between intensity and duration of TCIs. High-intensity interventions seem to be the best option. Moderate-intensity interventions implemented for 6 months or longer may be another option.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».