Systematic review of effectiveness and quality assessment of patient education materials and decision aids for breathlessness
Notice bibliographique
Résumé
BACKGROUND: Around 10% of adults suffer from clinically significant breathlessness. High quality and actionable patient education materials (PEMs) and patient decision aids (PDAs) have an important role for shared decision making and patient self-management. OBJECTIVE: To systematically assess the effectiveness of patient education materials (PEMs) and patient decision aids (PDAs) on clinical outcomes. Secondly, to assess the quality of PEMs and PDAs for breathlessness that are accessible online. METHODS: A systematic review of PEM or PDA intervention for breathlessness published between 1 January 2010 and November 2020 was conducted. An environmental scan and quality assessment of publicly available PEMs and PDAs was also conducted. RESULTS: Out of 2985 records, five studies were eligible for inclusion in this systematic review. Results of two randomised controlled trials suggest potential effectiveness of PEMs to improve patient reported outcomes and reduce healthcare utilization. In the environmental scan, 88 materials were included. Minimum reading age for most was high (Grade 10) and PEMs scored an average of 87% for understandability and 67% for actionability. Based on the DISCERN tool only 10 were classified as high quality. CONCLUSION: There is a paucity of evidence on the effectiveness of PEMs and PDAs for improvement in breathlessness. There is a need to develop higher quality PEMs for breathlessness.
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 | 0,020 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».