Predictors of Cardiac Rehabilitation Utilization in England: Results From the National Audit
Notice bibliographique
Résumé
BACKGROUND: Cardiac rehabilitation (CR) is grossly underused, with major inequities in access. However, use of CR and predictors of initiation in England where CR contracting is available is unknown. The aims were (1) to investigate CR utilization rates in England, and (2) to determine sociodemographic and clinical factors associated with CR initiation including social deprivation. METHODS AND RESULTS: Data from the National Audit of CR, between January 2012 and November 2015, were used. Utilization rates overall and by deprivation quintile were derived. Logistic regression was performed to identify predictors of initiation among enrollees, using the Huber-White-sandwich estimator robust standard errors method to account for the nested nature of the data. Of the 234 736 (81.5%) patients referred to CR, 141 648 enrolled, 97 406 initiated CR, and of those initiating, 37.2% completed a program of ≥8 weeks duration. The significant characteristics associated with CR initiation were younger age (odds ratio [OR] 0.98, 95% CI 0.98-0.99), having a partner (OR 1.31, 95% CI 1.17-1.48), not being employed (OR 0.86, 95% CI 0.77-0.96), not having diabetes mellitus (OR 0.84, 95% CI 0.77-0.92), greater anxiety (OR 1.02, 95% CI 1.003-1.04), not being a medically managed myocardial infarction patient (OR 0.57, 95% CI 0.42-0.76), and having had coronary artery bypass graft surgery (OR 1.64, 95% CI 1.09-2.47). CONCLUSIONS: CR enrollment does not meet English National Health Service targets; however it compares with that in other countries. Evidence-based approaches increasing CR enrollment and initiation should be applied, focusing on the identified characteristics associated with CR initiation, specifically older, single, employed individuals with diabetes mellitus and those not revascularized.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».