MétaCan
Menu
Retour à la cohorte
Enregistrement W4376642926 · doi:10.1002/cl2.1323

Effectiveness of interventions to address different types of vulnerabilities in community‐dwelling older adults: An umbrella review

2023· review· en· W4376642926 sur OpenAlex
Rhéda Adekpedjou, Pascale Léon, Omar Dewidar, Ali A. A. Al‐Zubaidi, Jalila Jbilou, Janusz Kaczorowski, John Muscedere, John P. Hirdes, George Heckman, Magali Girard, Paul C. Hébert

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueCampbell Systematic Reviews · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensUniversité de MontréalResearch Institute for AgingUniversity of WaterlooCentre Hospitalier de l’Université de MontréalUniversité de MonctonBruyèreUniversity of OttawaQueen's University
Organismes subventionnairesCanadian Frailty NetworkGovernment of CanadaUniversité de Moncton
Mots-clésLonelinessPsychological interventionCINAHLSocial isolationGerontologySystematic reviewPsycINFOMedicineMEDLINEContext (archaeology)Psychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Frailty, social isolation, loneliness, and poverty may render older adults vulnerable to social or health stressors. It is imperative to identify effective interventions to address them especially in the context of COVID-19 pandemic. Objective: To identify effective community-based interventions to address frailty, social isolation, loneliness, and poverty among community-dwelling older adults. Design: Umbrella review. Data Source: We systematically searched PubMed, Ovid MEDLINE, Embase, Cochrane CENTRAL, EBM-Reviews, CINAHL via EBSCO, and APA PsycInfo via Ovid from January 2009 to December 2022. Eligibility Criteria: We included systematic reviews or quantitative reviews of non-pharmacologic interventions targeting community-dwelling older adults. Data Selection Extraction and Management: Two review authors independently screened the titles and abstracts, performed data extraction and appraised the methodological quality of the reviews. We used a narrative synthesis approach to summarize and interpret the findings. We assessed the methodological quality of the studies using AMSTAR 2.0 tool. Results: We identified 27 reviews incorporating 372 unique primary studies that met our inclusion criteria. Ten of the reviews included studies conducted in low-middle-income countries. Twelve reviews (46%, 12/26) included interventions that addressed frailty. Seventeen reviews (65%, 17/26) included interventions that addressed either social isolation or loneliness. Eighteen reviews included studies with single component interventions, while 23 reviews included studies with multi-component interventions. Interventions including protein supplementation combined with physical activity may improve outcomes including frailty status, grip strength, and body weight. Physical activity alone or in combination with diet may prevent frailty. Additionally, physical activity may improve social functioning and interventions using digital technologies may decrease social isolation and loneliness. We did not find any review of interventions addressing poverty among older adults. We also noted that few reviews addressed multiple vulnerabilities within the same study, specifically addressed vulnerability among ethnic and sexual minority groups, or examined interventions that engaged communities and adapted programs to local needs. Conclusion: Evidence from reviews support diets, physical activity, and digital technologies to improve frailty, social isolation or loneliness. However, interventions examined were primarily conducted under optimal conditions. There is a need for further interventions in community settings and conducted under real world settings in older adults living with multiple vulnerabilities.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
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 enseignants0,040
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0170,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,187
Tête enseignante GPT0,436
Écart entre enseignants0,248 · 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