Effect of Lifestyle Health Coaching on Multiple Cardiovascular Disease Risk Factors: Comparison with Cardiac Rehabilitation
Notice bibliographique
Résumé
During the past decade, lifestyle health coaching (LHC) has gained increased popularity as a strategy to facilitate behavior change. Few data are available on the effect of LHC on multiple cardiovascular disease (CVD) risk factors. PURPOSE: In this multi-center study, we evaluated the effect of LHC on multiple CVD risk factors in 9,134 consecutive adults and compared the effect of a phase 2 cardiac rehabilitation (CR) program in 11,875 consecutive patients. METHODS: Outcome measures were assessed at baseline and after approximately 12 weeks of LHC and CR. LHC included individualized coaching, predominantly via the telephone and Internet, on exercise training, nutrition, weight management, stress management and tobacco cessation interventions. CR was conducted at multiple centers in the United States. RESULTS: At baseline, CR patients were significantly (p<0.05) older (69 ± 11 years vs. 51 ± 12 years), and had a higher prevalence of atherosclerotic CVD (95.3% vs. 10.6%) and diabetes (23.7% vs. 9.1%) than those participating in LHC. For participants with abnormal baseline risk factors, statistically significant improvements (p <0.05) were observed for multiple variables, as follows: blood pressure (LHC, -9/7 mmHg; CR, -10/10 mmHg; p <0.05 for CR versus LHC); LDL cholesterol (LHC, -22 mg/dl; CR, -50 mg/dl; p <0.05 for CR versus LHC); HDL cholesterol (LHC, 3 mg/dl; CR, 5 mg/dl; p <0.05 for CR versus LHC); triglycerides (LHC, -46 mg/dl; CR, -52 mg/dl; p=NS for CR versus LHC); fasting glucose (LHC, -13 mg/dl; CR, -15 mg/dl; p=NS for CR versus LHC); and body weight (LHC, -5.8 lbs; CR, -2.5 lbs; p <0.05 for LHC versus CR). In participants in the LHC program with a baseline Framingham 10-year coronary heart disease risk score >10%, the score decreased by 20.5% (relative risk reduction, p <0.05). CONCLUSIONS: These data serve to document the magnitude of improvement in multiple CVD risk factors in response to participation in approximately 12 weeks of LHC. The data demonstrate that LHC results in clinically relevant improvements in multiple CVD risk factors and that the precise magnitude of improvement may be similar to, less than or greater than that observed with CR depending on the specific risk factor in question.
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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».