Health-related preferences of older patients with multimorbidity: an evidence map
Notice bibliographique
Résumé
OBJECTIVES: To systematically identify knowledge clusters and research gaps in the health-related preferences of older patients with multimorbidity by mapping current evidence. DESIGN: Evidence map (systematic review variant). DATA SOURCES: MEDLINE, EMBASE, PsycINFO, PSYNDEX, CINAHL and Science Citation Index/Social Science Citation Index/-Expanded from inception to April 2018. STUDY SELECTION: Studies reporting primary research on health-related preferences of older patients (mean age ≥60 years) with multimorbidity (≥2 chronic/acute conditions). DATA EXTRACTION: Two independent reviewers assessed studies for eligibility, extracted data and clustered the studies using MAXQDA-18 content analysis software. RESULTS: The 152 included studies (62% from North America, 28% from Europe) comprised 57 093 patients overall (range 9-9105). All used an observational design except for one interventional study: 63 (41%) were qualitative (59 cross-sectional, 4 longitudinal), 85 (57%) quantitative (63 cross-sectional, 22 longitudinal) and 3 (2%) used mixed methods. The setting was specialised care in 85 (56%) and primary care in 54 (36%) studies. We identified seven clusters of studies on preferences: end-of-life care (n=51, 34%), self-management (n=34, 22%), treatment (n=32, 21%), involvement in shared decision making (n=25, 17%), health outcome prioritisation/goal setting (n=19, 13%), healthcare service (n=12, 8%) and screening/diagnostic testing (n=1, 1%). Terminology (eg, preferences, views and perspectives) and concepts (eg, trade-offs, decision regret, goal setting) used to describe health-related preferences varied substantially between studies. CONCLUSION: Our study provides the first evidence map on the preferences of older patients with multimorbidity. Included studies were mostly conducted in developed countries and covered a broad range of issues. Evidence on patient preferences concerning decision-making on screening and diagnostic testing was scarce. Differences in employed terminology, decision-making components and concepts, as well as the sparsity of intervention studies, are challenges for future research into evidence-based decision support seeking to elicit the preferences of older patients with multimorbidity and help them construct preferences. TRIAL REGISTRATION NUMBER: Open Science Framework (OSF): DOI 10.17605/OSF.IO/MCRWQ.
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 | 0,039 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,039 | 0,028 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».