MétaCan
Menu
Retour à la cohorte
Enregistrement W2541064232 · doi:10.1161/circoutcomes.5.suppl_1.a255

Abstract 255: Temporal Trends and Factors Associated with Referral for Cardiac Rehabilitation Post Acute Coronary Syndrome: Insights from the Canadian Global Registry of Acute Coronary Events (GRACE)

2012· article· en· W2541064232 sur OpenAlexaffabout
Thang Huy Nguyen, Beth L. Abramson, Aaron Galluzzi, Mary Tan, Andrew T. Yan, Shaun G. Goodman

Notice bibliographique

RevueCirculation Cardiovascular Quality and Outcomes · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineReferralAcute coronary syndromeGuidelineLogistic regressionUnivariate analysisEmergency medicineRehabilitationDisease registryInternal medicinePediatricsMyocardial infarctionMultivariate analysisPhysical therapyFamily medicineDisease

Résumé

récupéré en direct d'OpenAlex

Introduction: The beneficial effects of cardiac rehabilitation (CR) on morbidity and mortality after an acute coronary syndrome (ACS) are well established. Despite guidelines, CR referral rates have been low. Determining factors associated with CR referral would assist in closing this care gap and improve outcomes. Using the Canadian Global Registry of Acute Coronary Events (GRACE) database, we examined 1) the temporal trends of CR referral rates in Canada and its associated factors in a contemporary setting; 2) use of evidence-based medical therapies after ACS and its relationship with CR referral during index hospitalization. Hypothesis: CR referral rates have increased over time but remain below current guideline recommendations. Methods: From the Canadian GRACE registry, we retrospectively analyzed data from 11 Canadian centers during 2000 - 2007. CR referral rates were established and analyzed over time. We compared the CR Referral group to the Non-CR Referral group using univariate logistic regression in regards to patient characteristics, in-hospital diagnosis, clinical events and investigations. Categorical and continuous variables were compared using the chi-square and the Wilcoxon rank sum tests, respectively, with statistical significance at p<0.05. Data of guideline-recommended medication use at discharge and 6 months post-discharge were also analyzed. Results: In the 8-year period, 3338 patients (median age 64 years, 32% women) were assessed. Initial CR referral rate in 2000 was 2.7% (6/219) and increased to 51.2% (220/430) in 2007 (p<0.0001). Univariate factors for CR referral include younger age, larger infarct size, and a diagnosis of STE-ACS. Univariate factors for non-CR referral include CHF, higher GRACE score, and previous CAD. Hospitals with on-site supervised CR facilities had higher CR referral rates. CR Referral group had higher usage of evidence-based medications at time of discharge as well as 6 months post-discharge (all p< 0.0001). Conclusions: There has been a steady increase in CR referrals; however, contemporary numbers are still below the current recommendation of an 85% referral rate. Higher usage of recommended medications in the CR Referral group were noted, likely reflecting the association of CR referral with overall quality of care. Factors associated with CR referral include younger age, larger infarct size, and STE-ACS. Lack of referral was associated with CHF, previous CAD and high GRACE score. Targeting non-referred populations may improve quality of care and close care gaps in secondary prevention.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,193
Score d'incertitude au seuil0,388

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,052
Tête enseignante GPT0,342
Écart entre enseignants0,290 · 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

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular Quality and OutcomesMême sujetCardiac Health and Mental HealthTravaux en français237 207