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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».