MétaCan
Menu
Retour à la cohorte
Enregistrement W2206040431 · doi:10.1590/0104-1169.0370.2612

An integrative literature review on nursing interventions aimed at increasing self-care among heart failure patients

2015· review· en· W2206040431 sur OpenAlexaff
Sophie Boisvert, Alexandra Proulx-Belhumeur, Natália Gonçalves, Michel Doré, Julie Francoeur, Maria Cecília Bueno Jayme Gallani

Notice bibliographique

RevueRevista Latino-Americana de Enfermagem · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensInstitut universitaire de cardiologie et de pneumologie de QuébecUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCINAHLPsychological interventionModalitiesNursing Interventions ClassificationMedicineNursingIntervention (counseling)MEDLINEPsychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: to analyze and summarize knowledge concerning critical components of interventions that have been proposed and implemented by nurses with the aim of optimizing self-care by heart failure patients. METHODS: PubMed and CINAHL were the electronic databases used to search full peer-reviewed papers, presenting descriptions of nursing interventions directed to patients or to patients and their families and designed to optimize self-care. Forty-two studies were included in the final sample (n=4,799 patients). RESULTS: this review pointed to a variety and complexity of nursing interventions. As self-care encompasses several behaviors, interventions targeted an average of 3.6 behaviors. Educational/counselling activities were combined or not with cognitive behavioral strategies, but only about half of the studies used a theoretical background to guide interventions. Clinical assessment and management were frequently associated with self-care interventions, which varied in number of sessions (1 to 30); length of follow-up (2 weeks to 12 months) and endpoints. CONCLUSIONS: these findings may be useful to inform nurses about further research in self-care interventions in order to propose the comparison of different modalities of intervention, the use of theoretical background and the establishment of endpoints to evaluate their effectiveness.

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 consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,035
Tête enseignante GPT0,387
Écart entre enseignants0,352 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations37
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Latino-Americana de EnfermagemMême sujetHeart Failure Treatment and ManagementTravaux en français237 207