Efficacy of telemedicine for the management of cardiovascular disease: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background Telemedicine has been increasingly integrated into chronic disease management through remote patient monitoring and consultation, particularly during the COVID-19 pandemic. We did a systematic review and meta-analysis of studies reporting effectiveness of telemedicine interventions for the management of patients with cardiovascular conditions. Methods In this systematic review and meta-analysis, we searched PubMed, Scopus, and Cochrane Library from database inception to Jan 18, 2021. We included randomised controlled trials and observational or cohort studies that evaluated the effects of a telemedicine intervention on cardiovascular outcomes for people either at risk (primary prevention) of cardiovascular disease or with established (secondary prevention) cardiovascular disease, and, for the meta-analysis, we included studies that evaluated the effects of a telemedicine intervention on cardiovascular outcomes and risk factors. We excluded studies if there was no clear telemedicine intervention described or if cardiovascular or risk factor outcomes were not clearly reported in relation to the intervention. Two reviewers independently assessed and extracted data from trials and observational and cohort studies using a standardised template. Our primary outcome was cardiovascular-related mortality. We evaluated study quality using Cochrane risk-of-bias and Newcastle-Ottawa scales. The systematic review and the meta-analysis protocol was registered with PROSPERO (CRD42021221010) and the Malaysian National Medical Research Register (NMRR-20–2471–57236). Findings 72 studies, including 127 869 participants, met eligibility criteria, with 34 studies included in meta-analysis (n=13 269 with 6620 [50%] receiving telemedicine). Combined remote monitoring and consultation for patients with heart failure was associated with a reduced risk of cardiovascular-related mortality (risk ratio [RR] 0·83 [95% CI 0·70 to 0·99]; p=0·036) and hospitalisation for a cardiovascular cause (0·71 [0·58 to 0·87]; p=0·0002), mostly in studies with short-term follow-up. There was no effect of telemedicine on all-cause hospitalisation (1·02 [0·94 to 1·10]; p=0·71) or mortality (0·90 [0·77 to 1·06]; p=0·23) in these groups, and no benefits were observed with remote consultation in isolation. Small reductions were observed for systolic blood pressure (mean difference –3·59 [95% CI –5·35 to –1·83] mm Hg; p<0·0001) by remote monitoring and consultation in secondary prevention populations. Small reductions were also observed in body-mass index (mean difference –0·38 [–0·66 to –0·11] kg/m 2 ; p=0·0064) by remote consultation in primary prevention settings. Interpretation Telemedicine including both remote disease monitoring and consultation might reduce short-term cardiovascular-related hospitalisation and mortality risk among patients with heart failure. Future research should evaluate the sustained effects of telemedicine interventions. Funding The British Heart Foundation.
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 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,052 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».