Cardiac rehabilitation delivery model for low-resource settings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Cardiovascular disease is a global epidemic, which is largely preventable. Cardiac rehabilitation (CR) is demonstrated to be cost-effective and efficacious in high-income countries. CR could represent an important approach to mitigate the epidemic of cardiovascular disease in lower-resource settings. The purpose of this consensus statement was to review low-cost approaches to delivering the core components of CR, to propose a testable model of CR which could feasibly be delivered in middle-income countries. METHODS: A literature review regarding delivery of each core CR component, namely: (1) lifestyle risk factor management (ie, physical activity, diet, tobacco and mental health), (2) medical risk factor management (eg, lipid control, blood pressure control), (3) education for self-management and (4) return to work, in low-resource settings was undertaken. Recommendations were developed based on identified articles, using a modified GRADE approach where evidence in a low-resource setting was available, or consensus where evidence was not. RESULTS: Available data on cost of CR delivery in low-resource settings suggests it is not feasible to deliver CR in low-resource settings as is delivered in high-resource ones. Strategies which can be implemented to deliver all of the core CR components in low-resource settings were summarised in practice recommendations, and approaches to patient assessment proffered. It is suggested that CR be adapted by delivery by non-physician healthcare workers, in non-clinical settings. CONCLUSIONS: Advocacy to achieve political commitment for broad delivery of adapted CR services in low-resource settings is needed.
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.
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) | 0,002 | 0,001 |
| 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 découle