MétaCan
Menu
Retour à la cohorte
Enregistrement W4306663560 · doi:10.1001/jamanetworkopen.2022.36676

Interventions Associated With Reduced Loneliness and Social Isolation in Older Adults

2022· review· en· W4306663560 sur OpenAlexaff
Peter Hoang, James A. King, Sarah A. Moore, Kim Moore, Krista Reich, Harman Sidhu, Chin Vern Tan, Colin Whaley, Jacqueline M. McMillan

Notice bibliographique

RevueJAMA Network Open · 2022
Typereview
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of CalgaryAlberta HealthAlberta Health ServicesMcMaster UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLonelinessPsychological interventionPsychosocialSocial isolationCINAHLClinical psychologyRandomized controlled trialSocial supportPsychologyMeta-analysisMedicineGerontologyPsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Importance: Loneliness and social isolation are public health concerns faced by older adults due to physical, cognitive, and psychosocial changes that develop with aging. Loneliness and social isolation are associated with increased morbidity and mortality. Objective: To evaluate interventions, targeting older adults, associated with a reduction in loneliness and social isolation. Data Sources: OVID, CINAHL, CENTRAL, Embase, PsychINFO, Web of Science, and Scopus were searched from inception to March 2020. Study Selection: Peer-reviewed randomized clinical trials measuring loneliness and social isolation or support in adults aged 65 years or older. Only English language articles were included. Data Extraction and Synthesis: Two independent reviewers screened studies, extracted data, and assessed risk of bias. Random-effects models were performed to pool the overall effect size by intervention. Statistical heterogeneity was evaluated with the I2 statistic and by estimating prediction intervals. Data were analyzed from November 2021 to September 2022. Main Outcomes and Measures: Quantitative measures of loneliness, social isolation, or social support based on an effect size of standardized mean differences. Results: Seventy studies were included in the systematic review (8259 participants); 44 studies were included in the loneliness meta-analysis (33 in the community with 3535 participants; 11 in long-term care with 1057 participants), with participants' ages ranging from 55 to 100 years. Study sizes ranged from 8 to 741 participants. Interventions included animal therapy, psychotherapy or cognitive behavioral therapy, multicomponent, counseling, exercise, music therapy, occupational therapy, reminiscence therapy, social interventions, and technological interventions. Most interventions had a small effect size. Animal therapy in long-term care, when accounting for studies with no active controls, had the largest effect size on loneliness reduction (-1.86; 95% CI, -3.14 to -0.59; I2 = 86%) followed by technological interventions (videoconferencing) in long-term care (-1.40; 95% CI, -2.37 to -0.44; I2 = 70%). Conclusions and Relevance: In this study, animal therapy and technology in long-term care had large effect sizes, but also high heterogeneity, so the effect size's magnitude should be interpreted with caution. The small number of studies per intervention limits conclusions on sources of heterogeneity. Overall quality of evidence was very low. Future studies should consider measures of social isolation in long-term care and identify the contextual components that are associated with a reduction in loneliness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,009
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,040
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,007
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,115
Tête enseignante GPT0,428
Écart entre enseignants0,313 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations257
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetHealth disparities and outcomesTravaux en français237 207