Chronic disease management models in nursing homes: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: Nursing home (NH) residents experience a high burden of chronic disease. Chronic disease management (CDM) can be a challenge, as the context of care provision and the way care is provided impact care delivery. This scoping review aimed to identify types of chronic diseases studied in intervention studies in NHs, influential contextual factors addressed by interventions and future CDM research considerations. DESIGN: The scoping review followed guidelines by Arksey and O'Malley (2005) and Levac, Colquhoun and O'Brien (2010). Six reviewers screened citations for inclusion. Data extraction was performed by one reviewer and verified by a second reviewer. DATA SOURCES: We searched four databases: CINAHL, EMBASE, PubMed and Scopus, in March 2018. ELIGIBILITY CRITERIA: Studies were included if (1) aim of intervention was to improve CDM, (2) intervention incorporated the chronic care model (CCM), (3) included NH residents, (4) analysed the efficacy of the intervention and (5) sample included adults over age 65 years. Studies were limited to English or French language and to those published after 1996, when the CCM was first conceptualised. DATA EXTRACTION AND SYNTHESIS: Extracted information included the type of chronic disease, the type and number of CCM model components used in the intervention, the method of delivery of the intervention, and outcomes. RESULTS: On completion of the review of 11 917 citations, 13 studies were included. Most interventions targeted residents living with dementia. There was significant heterogeneity noted among designs, outcomes, and type and complexity of intervention components. There was little evaluation of the sustainability of interventions, including feasibility. CONCLUSIONS: Research was heavily focused on management of dementia. The most commonly included CCM components were multidisciplinary care, evidence-based care, coordinated care and clinical information systems. Future research should include subjective and objective outcomes, which are meaningful for NH residents, for common chronic diseases.
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 | 0,023 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,022 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 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 ».