Distance and Transportation as Barriers to Cardiac Rehabilitation in Urban and Rural Coronary Artery disease Outpatients
Notice bibliographique
Résumé
Background: Cardiac rehabilitation (CR) is a proven means to reduce morbidity and mortality among cardiac outpatients but is grossly under-utilized. Transportation, distance and travel time are frequently cited barriers to participation. The purpose of this study was to compare CR participation rates between urban and rural cardiac outpatients and examine perceived distance and transportation barriers. Methods: 255 cardiac outpatients (mean age 68+11 years; 76%(194) male) of 97 Ontario cardiologists completed a survey within an on-going prospective study. The second digit of A0A in the postal code designated rural status and was verified with Statistics Canada 2001 Census. Using a 5-point Likert scale outpatients indicated the degree to which transportation and distance were barriers and self-reported travel time to CR and percentage of sessions attended. Results: 87% (223) of outpatients lived in an urban area, while 13% (32) were rural. Overall, 44%(113) participated in CR, with 46% (102) urban and 34% (11) being rural (P > 0.05). Transportation barriers were significantly related to CR participation (P < 0.01), whereas distance was not. Data were split by geographic area and transportation was only significantly related to CR participation among urban outpatients (P < 0.01). Urban outpatients reported a mean travel time of 25±18 minutes compared to 68±53 for rural outpatients (P < 0.0001). The mean percentage of CR sessions participated in was 84±28%, which did not differ by geographic status. Conclusions: Contrary to previous research, living in a rural area and perceived distance were not related to CR participation. However data collection is ongoing. Rural outpatients had longer travel times yet perceived no distance or transportation barriers. Transportation barriers for urban outpatients may be related to population density and traffic delays. Efforts to reduce transportation-related barriers in urban areas such as improving public transportation or increasing home-based CR provision may be warranted.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 ».