Risk-taking attitudes and their association with process and outcomes of cardiac care: a cohort study
Notice bibliographique
Résumé
BACKGROUND: Prior research reveals that processes and outcomes of cardiac care differ across sociodemographic strata. One potential contributing factor to such differences is the personality traits of individuals within these strata. We examined the association between risk-taking attitudes and cardiac patients' clinical and demographic characteristics, the likelihood of undergoing invasive cardiac procedures and survival. METHODS: We studied a large inception cohort of patients who underwent cardiac catheterization between July 1998 and December 2001. Detailed clinical and demographic data were collected at time of cardiac catheterization and through a mailed survey one year post-catheterization. The survey included three general risk attitude items from the Jackson Personality Inventory. Patients' (n = 6294) attitudes toward risk were categorized as risk-prone versus non-risk-prone and were assessed for associations with baseline clinical and demographic characteristics, treatment received (i.e., medical therapy, coronary artery bypass graft (CABG) surgery, percutaneous coronary intervention (PCI)), and survival (to December 2005). RESULTS: 2827 patients (45%) were categorized as risk-prone. Having risk-prone attitudes was associated with younger age (p < .001), male sex (p < .001), current smoking (p < .001) and higher household income (p < .001). Risk-prone patients were more likely to have CABG surgery in unadjusted (Odds Ratio [OR] = 1.21; 95% CI 1.08-1.36) and adjusted (OR = 1.18; 95% CI 1.02-1.36) models, but were no more likely to have PCI or any revascularization. Having risk-prone attitudes was associated with better survival in an unadjusted survival analysis (Hazard Ratio [HR] = 0.78 (95% CI 0.66-0.93), but not in a risk-adjusted analysis (HR = 0.92, 95% CI 0.77-1.10). CONCLUSION: These exploratory findings suggest that patient attitudes toward risk taking may contribute to some of the documented differences in use of invasive cardiac procedures. An awareness of these associations could help healthcare providers as they counsel patients regarding cardiac care decisions.
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 ».