Is new science driving practice improvements and better patient outcomes? Applications for cardiac rehabilitation
Notice bibliographique
Résumé
Evidence from many clinical trials in recent years suggests that a large "treatment gap" exists between recommended therapies and the care that patients actually receive. This gap has been particularly apparent in the area of primary and secondary prevention of cardiovascular disease. In this article, three areas are discussed in which new scientific advances have not been adequately translated to clinical practice. These include: 1) the most appropriate measures to define the risks associated with obesity; 2) the under-diagnosis of obstructive sleep apnea and its relation to cardiovascular risk; and 3) the use and misuse of the exercise test and other functional status tools to predict health outcomes. Each is discussed in terms of how they should be quantified, their contribution to the estimation of cardiovascular disease risk, their response to interventions, and implications for cardiac rehabilitation. Clinical cardiac rehabilitation programs can benefit from routinely including these measures, both for their value in stratifying risk and for their importance in quantifying program efficacy. Physicians and allied health professionals should expand their routine medical evaluations and coronary risk factor profiling to include these measures.
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 | 0,074 | 0,198 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,025 |
| Communication savante | 0,015 | 0,022 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,014 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 ».