Assessment of Condition and Medication Knowledge Gaps Among Atrial Fibrillation Patients: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background: Patient education facilitates construction of a correct illness representation, improves beliefs about medications, and improves knowledge, factors that have been associated with better adherence. Objective: Our objective was to characterize the published literature about atrial fibrillation (AF) patients’ disease and medication knowledge to identify knowledge gaps and misconceptions to inform AF patient education strategies. Methods: Following PRISMA guidelines, we searched PubMed, EMBASE, CINAHL, and PsychINFO from inception to May 2018 for studies that assessed AF patients’ knowledge about their condition and medications. For quantitative studies, we extracted the proportion of participants who provided correct answers to the questions asked about their condition, medications, or risk of stroke. We classified data for related questions into knowledge domains. A random-effects meta-analysis was conducted for each knowledge domain. A domain was considered a knowledge gap if the pooled mean proportion of participants who demonstrated knowledge of it was ≤50%, regardless of CI. Qualitative data were summarized narratively. Results: A total of 21 studies were included. AF- and stroke-related knowledge gaps and misconceptions included the following: AF can be asymptomatic, AF can predispose to heart failure, women are at a higher risk of stroke, the definition of ischemic stroke, and patients’ awareness of their diagnosis. Medication-related knowledge gaps were antithrombotic-drug interactions, antithrombotic-food interactions, vitamin K content of foods, the term INR (international normalized ratio) and its interpretation, and the required actions in case of a missed dose. Conclusion and Relevance: This systematic review identified several AF patient knowledge gaps about their condition and its treatment that can inform the development of AF patient education programs.
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 | 0,030 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,038 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».