MétaCan
Menu
Retour à la cohorte
Enregistrement W4225822822 · doi:10.1097/der.0000000000000868

Psychological Interventions Are More Effective than Educational Interventions at Improving Atopic Dermatitis Severity: A Systematic Review

2022· review· en· W4225822822 sur OpenAlexvenueno aff
Tammy Hua, Lori Kim, Muhammad Yousaf, Eran C. Gwillim, Yik Weng Yew, Brad Lee, Kevin Hua, Taylor Erickson, Brian T. Cheng, Kevin R. Patel, Jonathan I. Silverberg

Notice bibliographique

RevueDermatitis · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMedicineMEDLINEScopusCochrane LibraryRandomized controlled trialAtopic dermatitisIntervention (counseling)Clinical psychologyPsychiatryDermatologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

We determined which educational and/or psychological interventions were most effective in atopic dermatitis (AD). A systematic review of published studies evaluated the effectiveness of educational and/or psychological interventions in MEDLINE, Embase, SCOPUS, LILACS, Cochrane, China National Knowledge Infrastructure, Taiwan Electronic Periodical Services, and CiNii. Two reviewers conducted title/abstract, full-text review, and data extraction. Twenty-four prospective studies were included, including 20 randomized controlled trials. Educational (4/7 studies) and combined educational and psychological (5/6 studies) interventions reduced AD severity; psychological (10/11 studies) interventions showed the greatest benefit. The most commonly studied psychological intervention was habit reversal training (8/11 studies), which was most frequently incorporated in studies that reduced AD severity (8/10 studies). The most commonly studied educational interventions were education on AD triggers (7/7 studies) and skin care (7/7 studies); they were incorporated in all studies that reduced AD severity. Different psychological and/or educational interventions successfully reduced AD severity, especially habit reversal training.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,060
Tête enseignante GPT0,400
Écart entre enseignants0,340 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatitisMême sujetDermatology and Skin DiseasesTravaux en français237 207