Effectiveness of Educational Interventions to Increase Primary Care Follow‐up for Adults Seen in the Emergency Department for Acute Asthma: A Systematic Review and Meta‐analysis
Notice bibliographique
Résumé
OBJECTIVES: Patients with asthma commonly present to emergency departments (ED) with exacerbations. Asthma guidelines recommend close follow-up with a primary care provider (PCP) after ED discharge; however, this linkage is often delayed or absent. The objective of this study was to assess whether ED-directed educational interventions improve office follow-up with PCPs after ED discharge for acute asthma. METHODS: Comprehensive literature searches were conducted in seven electronic databases (1946 to 2014). Randomized controlled clinical trials examining the effectiveness of educational interventions to increase office follow-up with a PCP were included. Study quality was determined using the Cochrane risk of bias tool; fidelity of the interventions was assessed using the Treatment Fidelity Assessment Grid. Using study data, risk ratios (RRs),and the number needed to treat for benefit (NNTB) with 95% confidence intervals (CI) were calculated using random-effects models. RESULTS: From 427 potentially relevant studies, five (n = 825) were included. The overall risk of bias was unclear, and the description of intervention fidelity varied across the studies. Educational interventions targeting either patients or PCPs led to a greater likelihood of having primary care follow-up after ED discharge (RR = 1.6; 95% CI = 1.31 to 1.87; I(2) = 0%). The number needed to treat for benefit was six (95% CI = 4 to 11). No significant benefit was observed in reductions of relapses (RR = 1.3; 95% CI = 0.82 to 1.98; I(2) = 23%) and admissions (RR = 0.51; 95% CI = 0.24 to 1.06; I(2) = 0%). Due to the small number of studies for each comparison, publication bias was not formally assessed. CONCLUSIONS: ED-directed educational interventions targeting either patients or providers increase the chance of having office follow-up visits with PCPs after asthma exacerbations. Their impact on health-related outcomes (e.g., relapse and admissions) remains unclear.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,039 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».