MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386660396 · doi:10.1093/eurheartj/ehab724.3127

Therapeutic components of an automated digital counselling intervention for chronic heart failure

2021· article· en· W4386660396 sur OpenAlexafffundabout
Gabriel C. Fezza, Stefano Sansone, Robert P. Nolan

Notice bibliographique

RevueEuropean Heart Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversity Health NetworkYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineHeart failurePsychological interventionRandomized controlled trialPhysical therapyQuality of life (healthcare)Protocol (science)Clinical endpointInternal medicineNursingAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background/Introduction Task force statements advocate digital health interventions to promote self-care behaviour and health-related quality of life (HRQL) in patients with chronic heart failure (CHF). There is a need to identify therapeutic components of digital interventions to improve the efficacy and replicability of these CHF interventions. Purpose The Canadian e-Platform to PrOmote BehavioRal Self-ManagemenT in Chronic Heart Failure trial (CHF-CePPORT) evaluated the efficacy of automated digital counseling to improve HRQL at 12 months, using the Kansas City Cardiomyopathy Questionnaire-Overall Summary (KCCQ-OS). Our aim was to identify therapeutic components of the CHF-CePPORT protocol that were independently associated with KCCQ-OS endpoint. Methods CHF-CePPORT was a multicenter, randomized controlled trial with a 2-parallel group, double blind design, and assessments at baseline, 4- and 12-months. This substudy focused on patients randomized to the automated digital counseling arm of CHF-CePPORT. Ordinal logistic regression was used to identify components of the protocol that predicted higher KCCQ-OS tertile at 12-months, according to schedule of automated digital contact, modality of content, and clinical content theme – see Figure. Results From the sample enrolled in CHF-CePPORT (n=230), 117 patients were included in this substudy: female, n=24 (20.5%), median age=60 years (IQR, 52, 69), New York Heart Association Class 1, n=45 (38.5%), Class 2, n=48 (41.0%), and Class 3, n=16 (13.7%). Baseline KCCQ-OS was median=82.3 (IQR, 67, 93). Patient engagement with the digital counseling platform over 12 months was as follows: Median (IQR) total logons = 79 (24, 133), Total logon time = 5.8 hours (1.6, 9.8). Total logon time during the initial phase of the trial (sessions 1–16), with weekly scheduled sessions was independently associated with a higher 12-month KCCQ-OS tertile score (p=0.003). Subsequent sections (sessions 17–24, and 25–28) were not independently associated with the 12-month KCCQ-OS (p=0.56 and p=0.91 respectively). Within sessions 1–16, the 12-month KCCQ-OS was associated with the use of counseling and dramatic videos (p=0.04) and e-tools/trackers (p=0.007), but not conventional information/education pages (p=0.80). Content themes associated with the 12-month KCCQ-OS included motivational counseling (sessions 5–8) with self-assessment tools and trackers (p=0.04). Cognitive behavioural guidelines for HF self-care were also associated with 12-month KCCQ-OS tertiles when presented by expert and dramatic videos (p=0.02) as well as self-assessment etools/etrackers (p=0.02). Self-assessment tools and trackers for HRQL (sessions 15–16) were also associated with higher KCCQ tertiles at 12 months (p=0.01) – see Table. Conclusion(s) The results of this study confirm the importance of using key components from evidence-based, clinically organized protocols of behavioural counseling to promote HRQL for patients with CHF. Funding Acknowledgement Type of funding sources: Public grant(s) – National budget only. Main funding source(s): Canadian Institutes of Health Research

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,045
Tête enseignante GPT0,328
Écart entre enseignants0,283 · 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
GenreMéthodes

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

En bref

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal→Même sujetHeart Failure Treatment and Management→Travaux en français237 207→