MétaCan
Menu
Retour à la cohorte
Enregistrement W2808734596 · doi:10.1177/1049732318780683

Self-Management of Cardiac Pain in Women: A Meta-Summary of the Qualitative Literature

2018· article· en· W2808734596 sur OpenAlexafffund
Ann Kristin Bjørnnes, Monica Parry, Marit Leegaard, Ana Patricia Ayala, Erica Lenton, Paula Harvey, Judith McFetridge-Durdle, Michael McGillion, Jennifer Price, Jennifer Stinson, Judy Watt‐Watson

Notice bibliographique

RevueQualitative Health Research · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensHospital for Sick ChildrenMcMaster UniversityWomen's College HospitalUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSelf-managementQualitative researchSocial supportClinical psychologyMeta-analysisEthnic groupCoronary artery diseaseMedicineData extractionPsychologyPerspective (graphical)FacilitationQualitative propertyIntervention (counseling)Physical therapyMEDLINEPsychotherapistPsychiatry

Résumé

récupéré en direct d'OpenAlex

Symptom recognition and self-management is instrumental in reducing the number of deaths related to coronary artery disease (CAD) in women. The purpose of this study was to synthesize qualitative research evidence on the self-management of cardiac pain and associated symptoms in women. Seven databases were systematically searched, and the concepts of the Individual and Family Self-Management Theory were used as the framework for data extraction and analysis. Search strategies yielded 22,402 citations, from which 35 qualitative studies were included in a final meta-summary, comprising data from 769 participants, including 437 (57%) women. The available literature focused cardiac pain self-management from a binary sex and gender perspective. Ethnicity was indicated in 19 (54%) studies. Results support individualized intervention strategies that promote goal setting and action planning, management of physical and emotional responses, and social facilitation provided through social support.

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)0,068
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0680,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
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 Opus0,245
Tête enseignante GPT0,576
Écart entre enseignants0,331 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetCardiac Health and Mental HealthTravaux en français237 207