Effectiveness of atopic dermatitis patient education programs – a systematic review and meta-analysis
Notice bibliographique
Résumé
Patient education in atopic dermatitis (AD) has worked in parallel to the gold standard of pharmacological treatment as a foundational component of therapeutic regimens. In addition to improving patient education, past investigations of educational interventions have demonstrated profound reductions in disease severity for patients living with AD. However, prior meta-analytical work has focused mostly on comparing in-person interventions, and thus the need to determine the effectiveness of virtual methodologies in the current post-COVID era remains. In this study, we conducted a systematic review of the literature to determine the effectiveness of online programming in AD education compared to in-person interventions. A comprehensive search was conducted in accordance with the Cochrane Handbook for Systematic Reviews of Interventions 2019. Studies were retrieved based on articles published up to 04 April 2023. Adherence to the Preferred Reporting Items for Systematic Review and Meta-Analysis (PRISMA) Statement guided the reportage process for this systematic review and meta-analysis. The primary outcome of our meta-analysis was the effect of various educational modalities on atopic dermatitis severity as measured by multiple scales across the studies, the most common including SCORAD, Dermatology Life Quality Index (DLQI), Patient Oriented Eczema Measure (POEM), and Eczema Area and Severity Index (EASI). Most studies were randomized controlled trials, primarily from North America and Western Europe and focused on patient and/or caregiver education about disease management, self-care techniques, avoidance of triggers, and comprehensive understanding of the disease process. Our pooled analyses showed that targeted educational programs in understudied adult populations can be as impactful as those in pediatric groups. Moreover, virtual interventions can be employed as constructive tools for reducing barriers of access to patient education. Future research on educational interventions should utilize various methodologies to encourage individual learning preferences with a focus on adult cohorts.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».