Digital Health Interventions in Patient Management Following Acute Coronary Syndrome: A Meta-Analysis of the Literature
Notice bibliographique
Résumé
OBJECTIVE: Acute coronary syndrome patients should be closely followed-up to maintain optimal adherence to medical treatments and to reduce adverse events. Digital health interventions might provide improved outcomes for patient care by providing closer follow- up, compared to standard care. Thus, in this meta-analysis, we aimed to evaluate the effect of digital health interventions on follow-up in acute coronary syndrome patients. METHODS: We searched medical databases to obtain all relevant studies comparing digital health interventions with standard care in acute coronary syndrome patients. After reviewing all eligible studies, a meta-analysis was conducted with the remaining 11 randomized controlled studies and 2 non-randomized controlled studies. A modified Jadad scale and Newcastle-Ottawa scale were used to assess the quality of the publications for randomized controlled studies and non-randomized controlled studies, respectively. RESULTS: This meta-analysis consisted of 7657 patients. The all-cause mortality rate was 49% lower in the digital health intervention cases, compared to those who received standard care [relative risk (RR) = 0.51 (0.37; 0.70), P <.01]. There was a significant decrease in systolic blood pressure in the digital health interventions group, compared to the standard care group [mean difference = -5.28 (-9.47; -1.08), P =.01]. The rate of nonadherence to anti-aggregant drugs was 69% lower in the digital health interventions than in the standard care group [RR = 0.31 (0.20; 0.46), P <.01]. Also, nonadherence rates for statin and beta-blockers were lower in the digital health interventions group. The risk of rehospitalization was observed to be 55% less in the digital health interventions patients, compared to the standard care group [RR = 0.45 (0.30; 0.67), P <.01]. CONCLUSION: Digital health interventions can be effective in follow-up for secondary prevention in acute coronary syndrome patients.
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 | 0,012 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,046 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».