Reducing delay in patients with acute coronary syndrome and other time-critical conditions: a systematic review to identify the behaviour change techniques associated with effective interventions
Notice bibliographique
Résumé
Background: Time to treatment in many conditions, particularly acute coronary syndrome, is critical to reducing mortality. Delay between onset of symptoms and treatment remains a worldwide problem. Reducing patient delay has been particularly challenging. Embedding behaviour change techniques (BCTs) within interventions might lead to shorter delay. Objective: To identify which BCTs are associated with reductions in patient delay among people with symptoms or conditions where time to treatment is critical. Methods: The data sources were Cochrane Library, MEDLINE, EMBASE, Cumulative Index to Nursing and Allied Health Literature, and PsycINFO. Study eligibility criteria include intervention evaluations (randomised controlled trials, controlled clinical trials and cohort studies) involving adults (aged >18 years) and including an outcome measure of patient delay up to August 2016. Study appraisal and synthesis methods include screening potential studies using a transparent, replicable process. Study characteristics, outcomes and BCTs were extracted from eligible studies. Results: From 39 studies (200 538 participants), just over half (n=20) reported a significant reduction in delay. 19 BCTs were identified, plus 5 additional techniques, with a mean of 2 (SD=2.3) BCTs and 2 (SD=0.7) per intervention. No clear pattern between BCTs and effectiveness was found. In studies examining patient delay specifically, three of four studies that included two or more BCTs, in addition to the two most commonly used additional techniques, reported a significant reduction in delay. Conclusions: Around half of the interventions to reduce prehospital delay with time-critical symptoms report a significant reduction in delay time. It is not clear what differentiates effective from non-effective interventions, although in relation to patient delay particularly additional use of BCTs might be helpful. Trial registration number: CRD42014013106.
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 | 0,012 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».