MétaCan
Menu
Retour à la cohorte
Enregistrement W4306860304 · doi:10.3389/fpsyt.2022.888524

Therapeutic components of digital counseling for chronic heart failure

2022· article· en· W4306860304 sur OpenAlexaffabout
Gabriel C. Fezza, Stephanie Sansone, Robert P. Nolan

Notice bibliographique

RevueFrontiers in Psychiatry · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensToronto General HospitalUniversity of TorontoYork UniversityTed Rogers Centre for Heart ResearchUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionHeart failureProtocol (science)Physical therapyPsychological interventionInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

Background Task force statements support the use of cognitive behavioral therapy (CBT) and motivational interviewing (MI) to promote self-care in chronic heart failure (CHF) patients. Digital counseling interventions have the potential to complement conventional programs. However, therapeutic components of digital programs associated with improved outcomes are not clearly established. Objective Identify therapeutic components of the Canadian e-Platform to Promote Behavioral Self-Management in Chronic Heart Failure (CHF-CePPORT) protocol that were associated with improved health-related quality of life (HRQL). Materials and methods Ordinal logistic regression was used to identify therapeutic components of the CHF-CePPORT protocol. The primary outcome was the 12-month Kansas City Cardiomyopathy Questionnaire Overall Summary (KCCQ-OS) tertile. Logistic regressions determined the association between 12-month KCCQ-OS tertile, using logon hours for key segments of the protocol, modality of content delivery, and clinical themes. Results A total of 117 patients were enrolled in the e-Counseling arm of the CHF-CePPORT trial. Median age was 60 years (IQR 52–69). Total logon hours in the initial 4-month segment of CHF-CePPORT (Sessions 1–16) was associated with increased 12-month KCCQ-OS tertile (Odds Ratio, OR = 1.31, 95% CI, 1.1–1.5, P = 0.001). Within sessions 1–16, improved KCCQ-OS was associated with logon hours for self-assessment tools/trackers (OR = 1.49, 95% CI, 1.1–2.0, P = 0.007), and videos (OR = 1.57, 95% CI, 1.03–2.4, P = 0.04), but not for CHF information pages. Conclusion This study highlights the importance of using evidence-based guidelines from CBT and MI as core components of digital counseling, delivered through videos and interactive tools/trackers, to improve HRQL with CHF.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,012
Tête enseignante GPT0,257
Écart entre enseignants0,245 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychiatryMême sujetHeart Failure Treatment and ManagementTravaux en français237 207