MétaCan
Menu
Retour à la cohorte
Enregistrement W2163978881 · doi:10.1186/1748-5908-7-120

Effectiveness of inpatient and outpatient strategies in increasing referral and utilization of cardiac rehabilitation: a prospective, multi-site study

2012· article· en· W2163978881 sur OpenAlexafffundabout
Sherry L. Grace, Kelly Angevaare, Robert D. Reid, Paul Oh, Sonia S. Anand, Milan Gupta, Stephanie J. Brister, Donna E. Stewart

Notice bibliographique

RevueImplementation Science · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensWilliam Osler Health SystemMcMaster UniversityToronto Rehabilitation InstituteCanada Research ChairsUniversity of OttawaToronto General HospitalUniversity Health NetworkUniversity of TorontoYork University
Organismes subventionnairesInstitute of Circulatory and Respiratory HealthCanadian Institutes of Health ResearchHeart and Stroke Foundation of Canada
Mots-clésMedicineReferralRehabilitationHealth services researchEmergency medicineHealth administrationObservational studyProspective cohort studyPopulationPublic healthCardiac surgeryFamily medicinePhysical therapyInternal medicineNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite the evidence of benefit, cardiac rehabilitation (CR) remains highly underutilized. The present study examined the effect of two inpatient and one outpatient strategy on CR utilization: allied healthcare provider completion of referral (a policy that had been endorsed and approved by the cardiac program leadership in advance; PRE-APPROVED); CR intake appointment booked before hospital discharge (PRE-BOOKED); and early outpatient education provided at the CR program shortly after inpatient discharge (EARLY ED).In this prospective observational study, 2,635 stable cardiac inpatients from 11 Ontario hospitals completed a sociodemographic survey, and clinical data were extracted from charts. One year later, participants were a mailed survey that assessed CR use. Participating inpatient units and CR programs to which patients were referred were coded to reflect whether each of the strategies was used (yes/no). The effect of each strategy on participants' CR referral and enrollment was examined using generalized estimating equations. RESULTS: A total of 1,809 participants completed the post-test survey. Adjusted analyses revealed that the implementation of one of the inpatient strategies was significantly related to greater referral and enrollment (PRE-APPROVED: OR = 1.96, 95%CI = 1.26 to 3.05, and OR = 2.91, 95%CI = 2.20 to 3.85, respectively). EARLY ED also resulted in significantly greater enrollment (OR = 4.85, 95%CI = 2.96 to 7.95). CONCLUSIONS: These readily-implementable strategies could significantly increase access to and enrollment in CR for the cardiac population. The impact of these strategies on wait times warrants exploration.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,481
Écart entre enseignants0,396 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetCardiac Health and Mental HealthTravaux en français237 207