MétaCan
Menu
Retour à la cohorte
Enregistrement W4281770258 · doi:10.1016/j.xkme.2022.100491

Sick Day Medication Guidance for People With Diabetes, Kidney Disease, or Cardiovascular Disease: A Systematic Scoping Review

2022· article· en· W4281770258 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueKidney Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchInstitute of Health Services and Policy ResearchAmgen
Mots-clésCINAHLMedicineMEDLINEPsychological interventionCochrane LibraryScopusSystematic reviewDiseaseKidney diseaseAlternative medicineDiabetes mellitusIntensive care medicineFamily medicineInternal medicineNursingPathology

Résumé

récupéré en direct d'OpenAlex

Rationale & Objective: Sick day medication guidance has been promoted to prevent adverse events for people with chronic conditions. Our aim was to summarize the existing sick day medication guidance and the evidence base for the effectiveness of interventions for implementing this guidance. Study Design: Scoping review of quantitative and qualitative studies. Setting & Population: Sick day medication guidance for people with chronic conditions including diabetes mellitus, kidney diseases, and cardiovascular diseases. Selection Criteria for Studies: A search of 6 bibliographic databases (Ovid MEDLINE, Ovid Embase, CINAHL, Scopus, Web of Science Core Collection, and Cochrane Library [via Wiley]) and a comprehensive gray literature search were completed in June 2021. Data Extraction: Intervention and study characteristics were extracted using standardized tools. Analytical Approach: Data were summarized descriptively, and our approach observed the Preferred Reporting Items for Systematic Reviews and Meta-analyses extension for scoping reviews. Results: The literature search identified 2,308 documents, which were screened against the eligibility criteria, leading to 74 documents that were included. The majority of the identified documents (n = 55) were guidelines or educational resources. Of the 19 primary research studies identified, 10 studies described an intervention, with only 2 examining the effect of sick day medication guidance interventions within clinical care and no studies reporting beneficial effects on clinical outcomes. Most documents (n = 58) included guidance specific to patients with diabetes mellitus, with fewer including guidance for patients with chronic kidney disease (n = 9) or heart failure (n = 2). Limitations: Risk of bias was not assessed. Conclusions: Many resources promoting sick day medication guidance have been developed; however, there is very little empirical evidence for the effectiveness of current approaches in implementing sick day medication guidance into practice. Recommendations for the use of sick day medication guidance will require further research to develop consistent, understandable, and usable approaches for its implementation within self-management strategies as well as empirical studies to demonstrate the effectiveness of these interventions.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
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)0,0040,000

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 Opus0,037
Tête enseignante GPT0,308
Écart entre enseignants0,272 · 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