Quality improvement interventions boosts cardiac rehabilitation referrals: patient education does it eightfold
Notice bibliographique
Résumé
Abstract Background/Introduction Quality improvement interventions often follow frameworks, including Plan-Do-Study-Act (PDSA), Define, Measure, Analyse, Improve, and Control (DMAIC), Six Sigma, Lean, and audit and feedback, which use iterative cycles and data collection to identify gaps, set goals, and test solutions. Such interventions could enhance adherence to clinical practice standards and reduce variability in quality between cardiac rehabilitation services. However, synthesised evidence of the characteristics and effectiveness of quality improvement interventions within cardiac rehabilitation programs is lacking. Purpose This systematic review and meta-analysis aimed to evaluate the effects of quality improvement interventions on the standard of cardiac rehabilitation processes and patient outcomes. Methods Scopus, Cochrane Central Register of Controlled Trials, Medline, Embase, and Cumulative Index to Nursing and Allied Health Literature were searched from January 2000 to November 2024. The review protocol was prospectively registered in PROSPERO. Included studies (1) implemented a quality improvement framework or stated that a "quality improvement" method was used, (2) were conducted in cardiac rehabilitation settings, and (3) aimed to improve patient and/or program outcomes. Screening was done by two independent reviewers. Meta-analyses used Review Manager v5.3, random-effects model. Data were presented as odds ratio (OR) with 95% confidence interval (CI). Studies not suitable for meta-analysis were reported narratively. Results The search yielded 5,100 studies, of which 15 (76,856 participants) were included. Meta-analysis of 11 studies (17,010 participants) showed that quality improvement interventions significantly improved cardiac rehabilitation processes, primarily referral (OR 5.25; CI 3.11–8.87). Subgroup analyses of specific strategies revealed that patient education had the greatest impact (OR 8.37; CI 4.32–16.21), followed by technology inclusion (OR 5.56; CI 2.67–11.58) and workflow changes (OR 5.31; CI 2.53–11.12), among other strategies (staff education, staffing adjustments, auditing, quality and/or performance indicators, and feedback cycles). Narrative synthesis indicated that quality improvement interventions increased program attendance, completion, adherence to prescription of guideline-directed medical therapy, and shortened wait times. Few studies reported on patient outcomes. Conclusion Quality improvement interventions improve referral to cardiac rehabilitation by up to eight times, with patient education being the most effective. These interventions may also reduce wait times and improve program attendance and completion; however, more evidence is needed to draw firm conclusions. Future studies should further explore patient outcomes.
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 | 0,029 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,009 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».