Effects of a multidisciplinary management program on symptom burden and medication adherence in heart failure patients with comorbidities: A randomized controlled trial
Notice bibliographique
Résumé
BACKGROUND: Comorbidities in heart failure (HF) are a complex clinical challenge. There is little data on the benefits of multidisciplinary postdischarge management programs in such patients. This study aimed to examine the effects of a multidisciplinary management program (MMP) on symptom burden and medication adherence in HF patients with comorbidities. METHODS: In this clinical trial study, 94 HF patients with comorbidities were assigned to intervention (n = 47) and control (n = 47) groups by the stratified-random method. The intervention group underwent MMP supervised by a nurse for two months after discharge, including multi-professional visits, telephone follow-ups, and an educational booklet. Medication adherence and symptom burden were assessed using Morisky Medication Adherence Scale (MMAS) and Edmonton Symptom Assessment Scale (ESAS), respectively, on three occasions: Before discharge, six weeks, and eight weeks after discharge. RESULTS: Both groups almost matched at the baseline, and the most frequent comorbidities included myocardial infarction (MI), hypertension, peptic ulcer, and depression, respectively. The interactive effect of time in groups showed that mean changes in total scores of symptom burden and medication adherence were significantly different (P < 0.001) at other time points. A significant increase in medication adherence (P < 0.001) and a significant reduction in the burden of all symptoms were observed in the intervention group compared to the control group from Time 1 to Time 3. CONCLUSIONS: The MMP (targeting comorbidity) is a promising strategy for managing symptoms and medication adherence in HF patients with comorbidities.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».