Interventions to Enhance Early Recognition and Management of Mental Health Symptoms in Patients with Cardiovascular Disease: A Rapid Scoping Review
Notice bibliographique
Résumé
Background: Poor mental health is a recognized risk factor for adverse cardiovascular outcomes, yet depression, anxiety, and stress remain underdiagnosed and undertreated in individuals with cardiovascular disease (CVD). Effective strategies to promote early recognition and management of these conditions are not well established. We conducted a rapid scoping review to identify interventions aimed at improving mental health recognition and management in adult CVD population without diagnosed mental health conditions. Methods: We systematically searched MEDLINE, EMBASE, CENTRAL, PsycINFO, CINAHL, Web of Science, and Epistemonikos for articles published between January 1, 2014, and December 28, 2024. Results: Of 11,645 screened studies, 24 met inclusion criteria: 12 systematic reviews and meta-analyses, and 12 randomized controlled trials (RCTs). Most focused on coronary artery disease or stroke patients. Interventions included mindfulness interventions (n = 9), routine screening (n = 2), interactive mHealth education (n = 2), psychosocial interventions (n = 4), caregiver education (n = 4), self-care (n = 1), and integrated care (n = 1). Interventions were multimodal pairing patient education with structured clinical encounters. Reporting of delivery methods was inconsistent and fewer than half assessed adherence. Only two RCTs involved patients in intervention design. Primary outcomes included changes in psychological distress symptoms and quality-of-life measures. Conclusion: A variety of interventions target early recognition and management of mental health symptoms in CVD patients. The approach of combining self-management with clinician check-ins aligns with contemporary models of integrated care. Standardized reporting and greater interest-holder engagement are needed to improve intervention development, implementation, and evaluation.
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 | 0,016 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».