Interventions for Improving Outcomes in Patients With Multimorbidity in Primary Care and Community Setting: A Systematic Review
Notice bibliographique
Résumé
Abstract BackgroundMultimorbidity, defined as the co-existence of two or more chronic conditions, presents significant challenges to patients, healthcare providers and health systems. Despite this, there is ongoing uncertainty about the most effective ways to manage patients with multimorbidity. This review aimed to determine the effectiveness of interventions designed to improve outcomes in people with multimorbidity in primary care and community settings, compared to usual care.MethodsWe searched eight databases and two trials registers up to 9th September 2019. Two review authors independently screened and selected studies, extracted data, evaluated study quality and judged the certainty of the evidence (GRADE). Interventions were grouped by their predominant focus into care-coordination/self-management support, self-management support and medicines management. Main outcomes were health related quality of life (HRQoL) and mental health. Meta-analyses were conducted, where possible, but the synthesis was predominantly narrative.ResultsWe included 16 RCTs with 4,753 participants, the majority being older adults with at least three conditions. There were eight care-coordination/self-management support studies, four self-management support studies and four medicines management studies. There was little or no evidence of an effect on primary outcomes of HRQoL (MD 0.03, 95% CI -0.01 to 0.07, I 2 = 39%) and mental health or on secondary outcomes with a small number of studies reporting that care coordination may improve patient experience of care and self-management support may improve patient health behaviours. Overall the certainty of the evidence was graded as low due to significant variation in study participants and interventions. Conclusions There are remaining uncertainties about the effectiveness of interventions for people with multimorbidity, despite the growing number of RCTs conducted in this area. Our findings suggest that future research should consider patient experience of care, optimising medicines management and targeted patient health behaviours such as exercise.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».