ICU follow-up services and their impact on post-intensive care syndrome: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Post-intensive care syndrome (PICS) seriously affects the quality of life of intensive care unit (ICU) survivors, their ability to return to work and society and the quality of life of their families, increasing overall care costs and healthcare expenditures. ICU follow-up services have important potential to improve PICS. However, the best clinical practice model of ICU follow-up service has not been fully defined and its benefits for ICU survivors are not clear. This review will synthesise and map the current types of follow-up services for ICU survivors and summarise the impact of follow-up services on PICS. METHODS AND ANALYSIS: This scoping review will be conducted by applying the five-stage protocol proposed by Arksey and O'Malley in an updated version of the Joanna Briggs Institute. Eight academic databases including the Cochrane Library, MEDLINE, Web of Science, Embase, EBSCO Academic, CINAHL, PsycInfo and SinoMed (China Biology Medicine) will be systematically searched from inception to the present. Peer-reviewed literature and grey literature will be included. Qualitative, quantitative and mixed methods studies will be included. Studies published in English or Chinese will be included. There will be no time restriction. Two reviewers will screen and select the articles independently and if there is any disagreement, the two reviewers will discuss or invite a third reviewer to make decisions together. Descriptive analysis will be used to conduct an overview of the literature. The results will be presented in a descriptive format in response to the review questions accompanied by the necessary tables or charts. ETHICS AND DISSEMINATION: Ethical approval is not required for this scoping review because data could be obtained by reviewing published primary study results and do not involve human participants. Findings should be disseminated at scientific meetings and published in peer-reviewed journals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,078 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,016 | 0,013 |
| Bibliométrie | 0,021 | 0,016 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,007 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».