Nurse‐led remote digital support for adults with chronic conditions: A systematic synthesis without meta‐analysis
Notice bibliographique
Résumé
AIM: The systematic review aims to synthesize the literature examining the effectiveness of nurse-led remote digital support on health outcomes in adults with chronic conditions. BACKGROUND: Adults with chronic diseases have increased rates of mortality and morbidity and use health care resources at a higher intensity than those without chronic conditions-placing strain on the patient, their caregivers and health systems. Nurse-led digital health disease self-management interventions have potential to improve outcomes for patients with chronic conditions by facilitating care in environments other that the hospital setting. DESIGN AND METHODS: We searched PubMed/MEDLINE, Embase, PsycINFO and Cochrane Central databases from inception to 7 December 2022. We included randomized controlled trials assessing the impact of nurse-led remote digital support interventions compared to usual care on health-related outcomes in adults with chronic illness. The Cochrane risk-of-bias tool was used to assess bias in studies. Outcomes were organized into four categories: self-management, clinical outcomes, health care resource use and satisfaction with care. Results are presented narratively based on statistical significance. RESULTS: Forty-four papers pertaining to 40 unique studies were included. Interventions most targeted diabetes (n = 11) and cardiovascular disease (n = 8). Websites (n = 10) and mobile applications (n = 10) were the most used digital modalities. Nurses supported patients either in response to incoming patient health data (n = 14), virtual appointment (n = 8), virtual health education (n = 5) or through a combination of these approaches (n = 13). Positive impacts of nurse-led digital chronic disease support were identified in each outcome category. Mobile applications were the most effective digital modality. CONCLUSION AND RELEVANCE TO CLINICAL PRACTICE: Results show that nurse-led remote digital support interventions significantly improve self-management capacity, clinical health outcomes, health care resource use and satisfaction with care. Such interventions have potential to support overall health for adults with chronic conditions in their home environments.
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 | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,007 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».