Self-management interventions for adults with chronic kidney disease: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: To systematically identify and describe self-management interventions for adult patients with chronic kidney disease (CKD). SETTING: Community-based. PARTICIPANTS: Adults with CKD stages 1-5 (not requiring kidney replacement therapy). INTERVENTIONS: Self-management strategies for adults with CKD. PRIMARY AND SECONDARY OUTCOME MEASURES: Using a scoping review, electronic databases and grey literature were searched in October 2016 to identify self-management interventions for adults with CKD stages 1-5 (not requiring kidney replacement therapy). Randomised controlled trials (RCTs), non-RCTs, qualitative and mixed method studies were included and study selection and data extraction were independently performed by two reviewers. Outcomes included behaviours, cognitions, physiological measures, symptoms, health status and healthcare. RESULTS: Fifty studies (19 RCTs, 7 quasi-experimental, 5 observational, 13 pre-post intervention, 1 mixed method and 5 qualitative) reporting 45 interventions were included. The most common intervention topic was diet/nutrition and interventions were regularly delivered face to face. Interventions were administered by a variety of providers, with nursing professionals the most common health professional group. Cognitions (ie, changes in general CKD knowledge, perceived self-management and motivation) were the most frequently reported outcome domain that showed improvement. Less than 1% of the interventions were co-developed with patients and 20% were based on a theory or framework. CONCLUSIONS: There was a wide range of self-management interventions with considerable variability in outcomes for adults with CKD. Major gaps in the literature include lack of patient engagement in the design of the interventions, with the majority of interventions not applying a behavioural change theory to inform their development. This work highlights the need to involve patients to co-developed and evaluate a self-management intervention based on sound theories and clinical evidence.
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 | 0,015 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».