Effect of post-discharge virtual wards on improving outcomes in heart failure and non-heart failure populations: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Unplanned hospital admissions in high-risk patients are common and costly in an increasingly frail chronic disease population. Virtual Wards (VW) are an emerging concept to improve outcomes in these patients. PURPOSE: To evaluate the effect of post-discharge VWs, as an alternative to usual community based care, on hospital readmissions and mortality among heart failure and non-heart failure populations. DATA SOURCES: Ovid MEDLINE, EMBASE, PubMed, the Cochrane Database of Systematic Reviews, SCOPUS and CINAHL, from inception through to Jan 31, 2017; unpublished data, prior systematic reviews; reference lists. STUDY SELECTION: Randomized trials of post-discharge VW versus community based, usual care that reported all-cause hospital readmission and mortality outcomes. DATA EXTRACTION: Data were reviewed for inclusion and independently extracted by two reviewers. Risk of bias was assessed using the Cochrane Collaboration risk of bias tool. DATA SYNTHESIS: In patients with heart failure, a post-discharge VW reduced risk of mortality (six trials, n = 1634; RR 0.59, 95% CI = 0.44-0.78). Heart failure related readmissions were reduced (RR 0.61, 95% CI = 0.49-0.76), although all-cause readmission was not. In contrast, a post-discharge VW did not reduce death or hospital readmissions for patients with undifferentiated high-risk chronic diseases (four trials, n = .3186). LIMITATIONS: Heterogeneity with respect to intervention and comparator, lacking consistent descriptions and utilization of standardized nomenclature for VW. Some trials had methodologic shortcomings and relatively small study populations. CONCLUSIONS: A post-discharge VW can provide added benefits to usual community based care to reduce all-cause mortality and heart failure-related hospital admissions among patients with heart failure. Further research is needed to evaluate the utility of VWs in other chronic disease settings.
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 | 0,011 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,033 |
| Bibliométrie | 0,004 | 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) | 0,004 | 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 ».