Influence of Physical Activity on Mortality in Elderly with Coronary Artery Disease
Notice bibliographique
Résumé
PURPOSE: The primary objectives were to 1) examine the dose-response relationship between physical activity and mortality in individuals with CAD, and 2) determine whether the aforementioned relationship is consistent within strata of other personal characteristics. METHODS: Subjects included 1045 elderly men and women with CAD from the Cardiovascular Health Study. In the first set of analyses, the dose-response relationship between baseline leisure-time physical activity level and all-cause mortality risk over 9 yr was determined using Cox proportional hazards regression models. Next, the subjects were stratified based on several different characteristics, and the consistency of the relationship between baseline leisure-time physical activity and mortality risk within the various strata was determined. RESULTS: Baseline leisure-time physical activity was related to all-cause mortality risk in a curvilinear dose-response manner such that greater differences in mortality risk were seen at the lower end of the energy expenditure scale, with a plateau occurring at approximately 4000 kcal x wk(-1). Within various strata of sex, age, smoking, adiposity, self-perceived health status, number of comorbid conditions, and type of CAD; the relative risks of mortality were lower in active participants (>/=1500 kcal x wk(-1)) in comparison with inactive participants (<1500 kcal x wk(-1)). CONCLUSION: This study highlights the inverse graded relationship between physical activity and all-cause mortality in men and women with CAD. Physical inactivity was a risk factor for mortality regardless of whether the subjects were men or women, old or very old, smokers or nonsmokers, lean or overweight, or otherwise healthy or unhealthy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».