MétaCan
Menu
Retour à la cohorte
Enregistrement W2004223468 · doi:10.1155/2013/121030

Exercise Trajectories of Women from Entry to a 6-Month Cardiac Rehabilitation Program to One Year after Discharge

2013· article· en· W2004223468 sur OpenAlexafffund
Heather M. Arthur, Chris M. Blanchard, Elizabeth Gunn, Jennifer Kodis, Steven Walker, Brenda B. Toner

Notice bibliographique

RevueBioMed Research International · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensCanada Research ChairsHamilton Health SciencesDalhousie UniversityUniversity of TorontoNiagara Health SystemMcMaster University
Organismes subventionnairesHeart and Stroke Foundation of Canada
Mots-clésRehabilitationMedicinePhysical therapyPatient dischargePhysical medicine and rehabilitationMEDLINEBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Physical activity is associated with reduced mortality and morbidity. Cardiac rehabilitation (CR) is an effective intervention for patients with cardiovascular disease (CVD). Unfortunately, women are less likely to engage in, or sustain, regular physical activity. Objectives were to (1) describe women's guidelines-based levels of physical activity during and after CR and (2) determine the physical activity trajectories of women from entry to CR to one year after CR. METHODS AND RESULTS: A prospective, longitudinal study of 203 women with CVD enrolled in a 6-month CR program. Physical activity was measured using the Godin Leisure Time Exercise Questionnaire (LSI), focusing on moderate-strenuous activity. Data were analyzed using latent class growth analysis (LCGA) and logistic regression. Mean scores on the LSI showed women to be "active" at all follow-up points. LCGA revealed a two-class model, respectively, called "inactive relapsers" and "moderately active relapsers." Predictors of the "moderately active relapsers" class were employment status and diagnosis of myocardial infarction. CONCLUSIONS: Women achieved the recommended physical activity levels by the end of CR and sustained them until one year after CR. LCGA allowed us to determine the class trajectories associated with moderate-strenuous activity and, from these, to identify implications for targeted intervention.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,647
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,399
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioMed Research InternationalMême sujetCardiac Health and Mental HealthTravaux en français237 207