A Scoping Review of Self-Management Interventions Following Spinal Cord Injury
Notice bibliographique
Résumé
Objective: To conduct a scoping review to identify what components of self-management are embedded in self-management interventions for spinal cord injury (SCI). Methods: In accordance with the approach and stages outlined by Arksey and O'Malley (2005), a comprehensive literature search was conducted using five databases. Study characteristics were extracted from included articles, and intervention descriptions were coded using Practical Reviews in Self-Management Support (PRISMS) (Pearce et al, 2016), Barlow et al (2002), and Lorig and Holman's (2003) taxonomy. Results: A total of 112 studies were included representing 102 unique self-management programs. The majority of the programs took an individual approach (52.0%) as opposed to a group (27.4%) or mixed approach (17.6%). While most of the programs covered general information, some provided specific symptom management. Peers were the most common tutor delivering the program material. The most common Barlow components included symptom management ( n = 44; 43.1%), information about condition/treatment ( n = 34; 33.3%), and coping ( n = 33; 32.4%). The most common PRISMS components were information about condition and management ( n = 85; 83.3%), training/rehearsal for psychological strategies ( n = 52; 51.0%), and lifestyle advice and support ( n = 52; 51.0%). The most common Lorig components were taking action ( n = 62; 60.8%), resource utilization ( n = 57; 55.9%), and self-tailoring ( n = 55; 53.9%). Conclusion: Applying self-management concepts to complex conditions such as SCI is only in the earliest stages of development. Despite having studied the topic from a broad perspective, this review reflects an ongoing program of research that links to an initiative to continue refining and testing self-management interventions in SCI.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».