A Modeling Intervention in Heart Failure
Notice bibliographique
Résumé
BACKGROUND: Peak oxygen uptake (VO(2)) testing is commonly used to assess chronic heart failure (CHF) patients' exercise tolerance. The test requires maximal effort; however, many participants have low confidence (self-efficacy) to perform optimally. PURPOSE: This randomized controlled trial examined the effectiveness of a modeling intervention to increase Peak VO(2) (PVO(2)) and self-efficacy in people diagnosed with CHF. METHODS: Twenty participants with a diagnosis of CHF were randomized to either an intervention (modeling DVD) or a control group. Both groups completed a measure of self-efficacy prior to performing two PVO(2) tests, each separated by 7 days. After completing the first test (T1) the intervention group watched a 10-min coping model DVD. All participants returned 1 week later (T2) to complete identical study procedures. RESULTS: Analysis of covariance results showed that compared with the participants in the control group, those assigned to the modeling intervention had higher PVO(2) at T2, F (1, 19) = 4.38, p = 0.05, eta (2) = 0.21 and self-efficacy, F (1, 19) = 5.80, p < 0.05, eta (2) = 0.25. Only partial support was found for change in self-efficacy mediating treatment outcome (PVO(2)). CONCLUSIONS: Watching a modeling video is associated with increased PVO(2) and self-efficacy. These results have implications for testing patients in a clinical setting to maximize exercise tolerance test results.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».