Effect of referral strategies on access to cardiac rehabilitation among women
Notice bibliographique
Résumé
BACKGROUND: Despite its proven benefits and need, women's access to cardiac rehabilitation (CR) is suboptimal. Referral strategies, such as systematic referral, have been advocated to improve access to CR. This study examined sex differences in CR referral and enrollment by referral strategies; and the impact of referral strategies for referral and enrollment concordance among women. DESIGN: Prospective cohort study. METHODS: This prospective study included 2635 coronary artery disease inpatients from 11 Ontario hospitals that utilized one of four referral strategies. Participants completed a sociodemographic survey, and clinical data were extracted from charts. One year later, 1809 participants (452 (25%) women) completed a mailed survey that assessed CR utilization. Referral strategies were compared among women using generalized estimating equations to control for the effect of hospital. RESULTS: Overall, significantly more men than women were referred (67.2% and 57.8% respectively, p < 0.001), and enrolled in CR (58.6% and 49.3% respectively, p = 0.001). Of the retained women, combined systematic and liaison-facilitated referral resulted in significantly greater CR referral (OR 10.3, 95% CI 4.11-25.58) and enrollment (OR 6.6, 95% CI 4.34-9.92) among women when compared with usual referral. Conversely, concordance between referral and enrollment was greatest following usual referral (K = 0.85), and decreased with referral intensity. CONCLUSIONS: While a lower proportion of referred patients enroll, systematic and liaison-facilitated inpatient referral strategies result in the greatest CR enrollment rates among women. Such strategies have the potential to improve access among women, and reduce 'cherry picking' of patients for referral.
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 | 0,004 | 0,001 |
| 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 ».