MétaCan
Menu
Retour à la cohorte
Enregistrement W3025591294 · doi:10.2196/15574

Telemedicine in Chronic Wound Management: Systematic Review And Meta-Analysis

2020· review· en· W3025591294 sur OpenAlexvenueno aff
Lihong Chen, Lihui Cheng, Wei Gao, Dawei Chen, Chun Wang, Xingwu Ran

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineTelemedicineRandomized controlled trialMEDLINECohort studyWound careObservational studyHazard ratioMeta-analysisHealth carePhysical therapySurgeryInternal medicineConfidence interval

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chronic wounds have been a great burden to patients and the health care system. The popularity of the internet and smart devices, such as mobile phones and tablets, has made it possible to adopt telemedicine (TM) to improve the management of chronic wounds. However, studies conducted by different researchers have reported contradictory results on the effect of TM on chronic wound management. OBJECTIVE: The aim of this work was to evaluate the efficacy and safety of TM in chronic wound management. METHODS: We systematically searched multiple electronic databases (MEDLINE, EMBASE, and Cochrane Central Register of Controlled Trials [CENTRAL]) to identify eligible studies published from inception to June 12, 2019. Inclusion criteria were randomized controlled trials (RCTs) and interventional cohort studies that investigated the use of TM in chronic wound management. RCT and observational data were analyzed separately. A meta-analysis and qualitative analysis were conducted to estimate endpoints. RESULTS: A total of 6 RCTs and 6 cohort studies including 3913 patients were included. Of these, 4 studies used tablets or mobile phones programmed with apps, such as Skype and specialized interactive systems, whereas the remaining 8 studies used email, telephone, and videoconferencing to facilitate the implementation of TM using a specialized system. Efficacy outcomes in RCTs showed no significant differences in wound healing (hazard ratio [HR] 1.16, 95% CI 0.96-1.39; P=.13), and wound healing around 1 year (risk ratio [RR] 1.05, 95% CI 0.89-1.23; P=.15). Noninferiority criteria of TM were met. A decreased risk of amputation in patients receiving TM was revealed (RR 0.45, 95% CI 0.29-0.71; P=.001). The result of cohort studies showed that TM was more effective than standard care (HR 1.74, 95% CI 1.43-2.12; P<.001), whereas the outcome efficacy RR of wound healing around 1 year (RR 1.21, 95% CI 0.96-1.53; P=.56) and 3 months (RR 1.24, 95% CI 0.47-3.3; P=.67) was not significantly different between TM and standard care. Noninferiority criteria of TM were met for wound healing around 1 year in cohort studies. CONCLUSIONS: Currently available evidence suggests that TM seems to have similar efficacy and safety, and met noninferiority criteria with conventional standard care of chronic wounds. Large-scale, well-designed RCTs are warranted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0150,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,172
Tête enseignante GPT0,483
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations92
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207