Mapping cognitive function screening instruments for patients with heart failure: A scoping review
Notice bibliographique
Résumé
Background: Patients with heart failure (HF) often experience cognitive impairment, which negatively affects their quality of life. An effective screening tool is essential for nurses and healthcare professionals to assess cognitive function as part of HF management. Although many instruments exist, none are specifically designed for patients with HF. Objective: This study aimed to map the instruments for screening cognitive function in patients with HF. Design: A scoping review. Data Sources: Articles published between 2019 and 2023 were searched in PubMed, ScienceDirect, and Google Scholar, with the last search conducted on 27 January 2024. Review Methods: The review followed the scoping review framework by Arksey and O'Malley and adhered to PRISMA guidelines for scoping reviews. Results: Of the 21 articles meeting inclusion criteria, six cognitive function screening instruments were used across various cognitive domains, effectively identifying cognitive impairment in both inpatient and outpatient HF settings. The Montreal Cognitive Assessment (MoCA) was the most frequently used tool, covering a broad range of cognitive domains. MoCA showed high efficacy with a kappa coefficient of 0.82, Cronbach's alpha reliability of 0.75, sensitivity of 90%, and specificity of 87%. Conclusion: Instruments like MoCA, Mini-Cog, and TICS-m show promise for assessing cognitive function in patients with HF, each with specific strengths and limitations. MoCA is notable for its comprehensive coverage despite being time-consuming and having language barriers. Further research is needed to revalidate and improve the existing instruments. It is crucial for nurses and healthcare professionals to integrate these tools into regular patient management, highlighting the need for continued research in their application.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».