Examination of a Nurse-led Community-based Education and Coaching Intervention for Coronary Heart Disease High-risk Individuals in China
Notice bibliographique
Résumé
PURPOSE: Early detection and management of coronary heart disease (CHD) are embedded into many community health service and primary care practices in western countries. The Framingham CHD risk score has been used to predict CHD and mortality for nearly 20 years, and it has predicted CHD event risk accurately in multiethnic populations. The aim of this study was to access the effect of a 6-month community-based intervention on CHD risk in individuals at high risk. METHODS: A randomized controlled trial of individuals with a high 10-year CHD risk were recruited from two communities in China. Individuals in the intervention group (n = 53) received a 3-month group education and a 3-month coaching session. Physical examination and self-report questionnaires were used to collect both pre- and postintervention data on blood pressure, glucose, cholesterol, body mass index, smoking, depression, and health-related quality of life (HRQoL). RESULTS: A total of 102 participants (85.0%) completed the 6-month study. Compared with the usual care group, the intervention group had a 5 mmHg greater reduction in systolic blood pressure (t = 2.01, p = .047), larger declines in glucose (t = -2.49, p = .015), cholesterol (t = -2.44, p = .017), body mass index (t = -2.58, p = .011), and depression (t = -2.05, p = .043), and better reports of HRQoL (t = 3.36, p = .001). No significant group differences in smoking behaviors were reported. CONCLUSION: A 6-month community-based intervention in a CHD high-risk population improved disease-related risk factors, depression, and HRQoL. Results provide preliminary evidence for primary prevention of cardiovascular disease risk in a community high-risk population.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».