MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406224960 · doi:10.1002/alz.085068

Interventions for people living with dementia: updates from 2024 Lancet Commission

2024· article· en· W4406224960 sur OpenAlexaff
Andrew Sommerlad, Jonathan Huntley, Kathy Liu, Sergi Costafreda Gonzalez, Geir Selbæk, Suvarna Alladi, David Ames, Sube Banerjee, Alistair Burns, Carol Brayne, Nick C. Fox, Cleusa P Ferri, Laura N. Gitlin, Robert Howard, Helen C. Kales, Mika Kivimäki, Eric B. Larson, Noeline Nakasujja, Kenneth Rockwood, Quincy M. Samus, Kokoro Shirai, Archana Singh‐Manoux, Lon S. Schneider, Sebastian Walsh, Yao Yao, Naaheed Mukadam, Gill Livingston

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDementiaPsychological interventionCommissionGerontologyMedicinePsychologyNursingPolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

Abstract Background The progressive nature of dementia and the complex needs means that people living with dementia require tailored approaches to address their changing care needs over time. These include physical multimorbidity, psychological, behavioural, and cognitive symptoms and possible risks arising from these and helping family caregivers. However, provision of these interventions is highly variable between and within countries, partly due to uncertainty about their efficacy and scarce resources. In the 2024 update of the Lancet Commission we aimed to summarise published evidence about the effect of non‐pharmacological interventions for people with dementia and their carers on cognition, neuropsychiatric symptoms and other person‐centred outcomes. Method We reviewed and summarised evidence according to expert consensus opinion. Result There is moderate‐quality evidence from a Cochrane review of 25 studies for effect of cognitive stimulation therapy on cognition; 1.99 (1.24‐2.74) Mini‐Mental State Examination points higher compared to control groups, and clinically relevant improvements in communication and social interaction. Multicomponent interventions for family carers reduce family carer depression, burden, or stress and are cost‐effective but remote delivery of these interventions was not better than care as usual. A meta‐analysis of 7 studies of tailored activity programmes for people with dementia found a moderate effect on improving quality of life (standardised ES Cohen’s d 0.79, 0.39–1.18; 7 studies, n = 160), decreasing neuropsychiatric symptoms (0.62; 0.40–0.83) and decreasing carer burden (0.68, 0.29–1.07) but there is little evidence on cost‐effectiveness. Exercise interventions were not effective in improving neuropsychiatric symptoms, cognition or functioning. We discuss evidence for other treatments for specific neuropsychiatric symptoms. Conclusion There is developing evidence for benefit of psychological and social interventions on key outcomes including cognition, neuropsychiatric symptoms and quality of life, with sufficient strength of evidence and cost‐effectiveness to justify these being implemented and offered routinely to people with dementia. Interventions generally should be tailored to specific symptoms and individualised to patient preferences and goals. Most interventions have been tested in majority ethnic populations in high income countries: future interventions should be co‐designed with local communities to ensure that they are appropriate for the context, culture, beliefs and practices.

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)0,053
score de la tête « metaresearch » (Gemma)0,125
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,280

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,125
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0080,010
Bibliométrie0,0140,011
Études des sciences et des technologies0,0010,001
Communication savante0,0070,004
Science ouverte0,0070,006
Intégrité de la recherche0,0110,007
Charge utile insuffisante (le modèle a refusé de juger)0,0270,009

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 Opus0,041
Tête enseignante GPT0,349
Écart entre enseignants0,308 · 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
GenreSynthèse

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→