Using Novel Technology to Determine Mobility Among Hospitalized Heart Failure Patients: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Patients with heart failure (HF) experience frequent rehospitalizations and poor functional capacity. Early hospital mobility may prevent functional decline, but mobility patterns among hospitalized HF patients are not yet known. Accelerometers may provide a method to monitor and measure patient mobility objectively. Therefore, the purpose of this study was to describe mobility and function using accelerometers among hospitalized HF patients. METHODS: Wireless accelerometers were attached to the thigh and ankle of previously ambulatory hospitalized HF patients (n = 32) continuously for up to 5 days, beginning on the second day of hospitalization. The mean proportion of time spent lying, sitting, and standing or walking daily was measured. Ability to perform activities of daily living (ADLs) and physical function was measured using the Katz Index and Short Physical Performance Battery (SPPB). RESULTS: Patients' mean age was 58.2 ± 13.6 and 78% (n = 25) were male. Mean New York Heart Association Class upon enrollment and at the end of the study period was 2.9 ± 0.8 and 2.2 ± 0.8 respectively. A mean Katz Index of 5.6 ± 1.1 upon enrollment demonstrated minimal dependence on assistance for completion of ADLs (possible scores 0 - 6). However, mobility testing revealed low physical function, with mean SPPB scores of 6.4 ± 3.1 (possible scores 0 - 12). During hospitalization, 70% of the measured hospital stay (16.8 hours/day) was spent lying in bed. The average time spent standing or walking was 4.1%, or 59 minutes per day and the range was 0-10% (0 - 150 minutes). CONCLUSIONS: Immobility was pervasive as HF patients spent almost all of their time sitting or lying in bed despite their baseline ambulatory status and improved NYHA class.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».