A prospective comparison of cardiac rehabilitation enrollment following automatic vs usual referral
Notice bibliographique
Résumé
OBJECTIVE: Cardiac rehabilitation remains grossly under-utilized despite its proven benefits. This study prospectively compared verified cardiac rehabilitation enrollment following automatic vs usual referral, postulating that automatic referral would result in significantly greater enrollment for cardiac rehabilitation. DESIGN: Prospective controlled multi-center study. PATIENTS AND METHODS: A consecutive sample of 661 patients with acute coronary syndrome treated at 2 acute care centers (75% response rate) were recruited, one site with automatic referral via a computerized prompt and the other with a usual referral strategy at the physician's discretion. Cardiac rehabilitation referral was discerned in a mailed survey 9 months later (n = 506; 84% retention), and verified with 24 cardiac rehabilitation sites to which participants were referred. RESULTS: A total of 124 (52%) participants enrolled in cardiac rehabilitation following automatic referral, vs 84 (32%) following usual referral (p < 0.001). Automatically referred participants were more likely to be referred from an in- patient unit (p < 0.01), and to be referred in a shorter time period (p < 0.001). Logistic regression analyses revealed that, after controlling for sociodemographic characteristics and case-mix, automatically referred participants were significantly more likely to enroll in cardiac rehabilitation (odds ratio = 2.1; 95% confidence interval 1.4-3.3) than controls. CONCLUSION: Automatic referral resulted in over 50% verified cardiac rehabilitation enrollment; 2 times more than usual referral. It also significantly reduced utilization delays to less than one month.
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 | 0,000 |
| 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 | 0,000 | 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 ».