Patient education interventions for health behaviour change in adults diagnosed with coronary heart disease: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Funding Acknowledgements Type of funding sources: None. Background Patient education is recommended to increase disease-related knowledge and modify coronary heart disease (CHD) risk factors. Although the importance has been established, there is a lack of knowledge of its efficacy and relative impact of duration on disease-related knowledge and health behaviour outcomes. Purpose It aimed to assess the efficacy of structured patient education on those outcomes in adults with CHD for short-term (less than six months) and long-term (six to 12 months) effect. Methods Eligible randomised controlled trials published in English, Simplified Chinese, Spanish, and Portuguese were searched in seven electronic databases from database inception through 2020. Reference lists, relevant conference lists, and keywords from the Internet were also searched. Outcomes included disease-related knowledge, smoking cessation, medication adherence, physical activity, and healthy dietary behaviour. Results Overall, 73 studies reporting 71 unique trials were included. Participants (n = 24,985) were aged mean 60.5 ± 5.7 years, mostly male (72.5%). About 74% of studies used more than one mode for education delivery, with phone calls and booklets being used the most frequent. Patient education was associated with significant improvement in all outcomes measured in meta-analyses (P < 0.05). In addition, regression analyses showed that a prolonged intervention duration does not significantly improve the outcomes, except for the disease knowledge (p = 0.009) and physical activity (p = 0.026). Conclusions Structured patient education, in a variety of modes and intensities, improves disease-related knowledge and health behaviours in adults with CHD. The findings can be used to guide design of cardiac programs, particularly related to intervention duration in clinical practice. Abstract Figure 1. PRISMA flow diagram
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 | 0,012 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,029 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».