MétaCan
Menu
Retour à la cohorte
Enregistrement W2767779879 · doi:10.1111/hex.12653

The design of behavioural interventions labelled as patient‐mediated: A scoping review

2017· review· en· W2767779879 sur OpenAlexaff
Jeremy Y. Ng, Anna R. Gagliardi

Notice bibliographique

RevueHealth Expectations · 2017
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensToronto General HospitalUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionCINAHLObservational studyMEDLINEMedicineData extractionCochrane LibraryRandomized controlled trialIntervention (counseling)Family medicineNursingSurgeryPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Patient-mediated interventions (PMIs) directed at patients and/or physicians improve patient or provider behaviour and patient outcomes. However, what constitutes a PMI is not clear. This study described interventions explicitly labelled as "patient-mediated" in primary research. METHODS: MEDLINE, EMBASE, Allied and Complementary Medicine, PsychINFO, HealthSTAR, Social Work Abstracts, CINAHL and Cochrane Library were searched from inception on 1 January 2017 for English language studies that developed or evaluated behavioural interventions referred to as "patient-mediated" or "patient mediated" in the full text. Screening and data extraction were independently duplicated. Data were extracted and summarized on study and intervention characteristics. Interventions were categorized as 1 of 4 PMI pathways. RESULTS: Eight studies (4 randomized controlled trials, 1 observational study and 3 qualitative studies) were included. No studies explicitly defined PMI, and few PMIs were described in terms of content and format. Although 3 studies employed physician interventions, only patient interventions were considered PMIs. One study achieved positive improvement in patient behaviour. CONCLUSIONS: Research is needed to generate consensus on the PMI concept, employ theory when designing or evaluating PMIs, establish the effectiveness of different types of PMIs, and understand when and how to employ PMIs alone or combined with other interventions.

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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,407
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0080,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
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 Opus0,792
Tête enseignante GPT0,615
Écart entre enseignants0,177 · 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'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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth ExpectationsMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207