Effectiveness of eHealth Tools for Hip and Knee Arthroplasty: A Systematic Review
Notice bibliographique
Résumé
Objective: This study aimed to compare the effectiveness and costs of eHealth tools with usual care in delivering health-related education to patients' undergoing total hip or knee arthroplasty due to osteoarthritis. Data Sources: Six electronic databases were searched to identify randomized controlled trials and experimental designs (randomized or not) examining the effect of eHealth tools on pre- or post-operative care. Only manuscripts written in English were included. In the current study, no specific primary or secondary outcomes were selected. Any study that investigated the impacts of eHealth tools on hip or knee arthroplasty outcomes were included. Review Methods: Two researchers reviewed all titles and abstracts independently and in duplicate. Two researchers also conducted full-text screening and data extraction from the 26 selected articles. Results: The data were descriptively reported, and themes could emerge from each outcome. Two researchers separately assessed the Risk of Bias for each paper using the Cochrane risk of bias assessment tool. The majority of studies evaluated the impact of eHealth tools on physical ( n = 23) and psychosocial outcomes ( n = 19). Cost-related outcomes were measured in 7 studies. eHealth tools were found to be equivocal to usual care, with few studies reporting statistically significant differences in physical or psychosocial outcome measures. However, cost-related outcomes showed that using eHealth tools is more cost-effective than usual care. Conclusions: This review demonstrated that eHealth tools might be as effective as usual care, and possibly more cost-effective, a crucial implication for many overly burdened health care systems.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».