Non-pharmacological interventions for self-management of fatigue in adults: An umbrella review of potential interventions to support patients recovering from critical illness
Notice bibliographique
Résumé
PURPOSE: Fatigue is a common symptom after critical illness. However, evidence-based interventions for fatigue after critical illness are lacking. We aimed to identify interventions to support self-management of fatigue caused by physical conditions and assess their effectiveness and suitability for adaptation for those with fatigue after critical illness. MATERIALS AND METHODS: We conducted an umbrella review of systematic reviews. Databases included CINAHL, PubMed, Medline, PsycINFO, British Nursing Index (BNI), Web of Science, Cochrane Database of Systematic Reviews (CDSR), JBI Evidence Synthesis Database, and PROSPERO register. Included reviews were appraised using the JBI Checklist for Systematic Reviews and Research Syntheses. Results were summarised narratively. RESULTS: Of the 672 abstracts identified, 10 met the inclusion criteria. Reviews focused on cancer (n = 8), post-viral fatigue (n = 1), and Systemic Lupus Erythematosus (SLE) (n = 1). Primary studies often did not address core elements of self-management. Positive outcomes were reported across all reviews, and interventions involving facilitator support appeared to be most effective. CONCLUSIONS: Self-management can be effective at reducing fatigue symptoms and improving quality of life for physical conditions and has clear potential for supporting people with fatigue after critical illness, but more conclusive data on effectiveness and clearer definitions of self-management are required.
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».