Safe and Effective Prescription of Exercise in Acute Exacerbations of Chronic Obstructive Pulmonary Disease: Rationale and Methods for an Integrated Knowledge Translation Study
Notice bibliographique
Résumé
BACKGROUND: Patients hospitalized with an acute exacerbation of chronic obstructive pulmonary disease (AECOPD) engage in low levels of activity, putting them at risk for relapse and future readmissions. There is little direction for health care providers regarding the parameters for safe exercise during an AECOPD that is effective for increasing activity tolerance before discharge from hospital, especially for patients with associated comorbid conditions. OBJECTIVE: To report the rationale for and methods of a study to develop evidence-informed care recommendations that guide health care providers in the assessment, prescription, monitoring and progression of exercise for patients hospitalized with AECOPD. METHODS: The present study was a multicomponent knowledge translation project incorporating evidence from systematic reviews of exercise involving populations with chronic obstructive pulmonary disease and⁄or common comorbidities. A Delphi process was then used to obtain expert opinion from clinicians, academics and patients to identify the parameters of safe and effective exercise for patients with AECOPD. RESULTS: Clinical decision-making tool(s) for patients and practitioners supported by a detailed knowledge dissemination, implementation and evaluation framework. CONCLUSION: The present study addressed an important knowledge gap: the lack of availability of parameters to guide safe and effective exercise prescription for hospitalized patients with AECOPD, with or without comorbid conditions. In the absence of such parameters, health care professionals may adopt an 'activity as tolerated' approach, which may not improve physical activity levels in their patients. The present study synthesizes the best available evidence and expert opinion, and will generate decision-making tools for use by patients and their health care providers.
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 | 0,306 | 0,310 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».