MétaCan
Menu
Retour à la cohorte
Enregistrement W3048362108 · doi:10.1097/jcn.0000000000000733

Views of Patients With Heart Failure on Their Value-Based Self-care Decisions

2020· article· en· W3048362108 sur OpenAlexafffundabout
Mehri Karimi-Dehkordi, Alexander M. Clark

Notice bibliographique

RevueThe Journal of Cardiovascular Nursing · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSelf carePsychologyValue (mathematics)Heart failureMedicineGerontologyClinical psychologySocial psychologyHealth careCardiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Self-care adherence remains low in patients with heart failure (HF); little is known about the influence of patients' values on self-care decisions and behaviors. OBJECTIVES: The aim of this study was to explore how participants living with HF perceive their values and how those values are reportedly expressed in self-care decision making. METHODS: The Interpretative Phenomenological Analysis approach was used. Semistructured interviews were conducted with 12 patients 60 years or older; with New York Heart Association class II and III HF; and able to speak, read, and understand English. Participants recruited via convenience sampling (January-December 2016) from 2 urban sites in Western Canada. RESULTS: Values were reported to pivotally influence HF self-care decisions and behaviors. Overarching themes addressed aspects of values and decision making: notably, directness and complexity. Two main types of values, functional and emotional values, were involved in both adherent and nonadherent decisions. Values were often in flux, with the pursuit of these values being frequently in conflict with physical ability and changing over time. CONCLUSION: Two types of values serve influence self-care decisions and adherence. As HF and its self-care prevent patients from pursuing their prioritized values, patients are often nonadherent. Thus, patients with HF should be supported to find alternative ways to enact their values.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,248
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of Cardiovascular NursingMême sujetHeart Failure Treatment and ManagementTravaux en français237 207