MétaCan
Menu
Retour à la cohorte
Enregistrement W2897733364 · doi:10.1002/ehf2.12369

Self-Reported Health and Quality of Life Outcomes of Heart Failure Patients in the Aftermath of a National Economic Crisis: A Cross-Sectional Study

2018· article· en· W2897733364 sur OpenAlexaboutno aff
Auður Ketilsdóttir, Brynja Ingadóttir, Tiny Jaarsma

Notice bibliographique

RevueESC Heart Failure · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesHáskóli Íslands
Mots-clésMedicineQuality of life (healthcare)AnxietyEQ-5DDepression (economics)Heart failureVisual analogue scaleCross-sectional studyHealth careScale (ratio)Hospital Anxiety and Depression ScalePublic healthGerontologyPsychiatryPhysical therapyHealth related quality of lifeInternal medicineDiseaseNursing

Résumé

récupéré en direct d'OpenAlex

AIMS: There are indications that economic crises can affect public health. The aim of this study was to describe characteristics, health status, and socio-economic status of outpatient heart failure (HF) patients several years after a national economic crisis and to assess whether socio-economic factors were associated with patient-reported outcome measures (PROMs). METHODS AND RESULTS: In this cross-sectional survey, PROMs were measured with seven validated instruments, as follows: self-care (the 12-item European Heart Failure Self-Care Behaviour scale), HF-related knowledge (Dutch Heart Failure Knowledge Scale), symptoms (Edmonton Symptom Assessment System), sense of security (Sense of Security in Care-'Patients' evaluation'), health status (EQ-5D visual analogue scale), health-related quality of life (HRQoL) (Kansas City Cardiomyopathy Questionnaire), and anxiety and depression (Hospital Anxiety and Depression Scale). Additional data were collected on access and use of health care, household income, demographics, and clinical status. The patients' (n = 124, mean age 73 ± 14.9, 69% male) self-care was low for exercising (53%) and weight monitoring (50%) but optimal for taking medication (100%). HF-specific knowledge was high (correct answers 12 out of 15), but only 38% knew what to do when symptoms worsened suddenly. Patients' sense of security was high (>70% had a mean score of 5 or 6, scale 1-6). The most common symptom was tiredness (82%); 12% reported symptoms of anxiety, and 18% had symptoms of depression. Patients rated their overall health (EQ-5D) on average at 65.5 (scale 0-100), and 33% had poor or very bad HRQoL. The monthly income per household was <€3900 for 84% of the patients. A total of 22% had difficulties making appointments with a general practitioner (GP), and 5% had no GP. On average, patients paid for six health care-related items, and >90% paid for medications, primary care, and visits to hospital and private clinics out of their own pocket. The cost of health care had changed for 71% of the patients since the 2008 economic crisis, and increased out-of-pocket costs were most often explained by a greater need for health care services and medication expenses. There was no significant difference in PROMs related to changes in out-of-pocket expenses after the crisis, income, or whether patients lived alone or with others. CONCLUSIONS: This Icelandic patient population reported similar health-related outcomes as have been previously reported in international studies. This study indicates that even after a financial crisis, most of the patients have managed to prioritize and protect their health even though a large proportion of patients have a low income, use many health care resources, and have insufficient access to care. It is imperative that access and affordable health care services are secured for this vulnerable patient population.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,554

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,076
Tête enseignante GPT0,440
Écart entre enseignants0,364 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueESC Heart FailureMême sujetEmployment and Welfare StudiesTravaux en français237 207