The Effectiveness of Progressive Aerobic Interval Training in Cardiac Rehabilitation
Notice bibliographique
Résumé
INTRODUCTION: Aerobic interval training (AIT) has recently emerged as a more effective strategy than moderate-intensity continuous exercise (MICE) for improving peak oxygen consumption (V˙O2peak) in coronary artery disease (CAD) patients. The primary purpose of this retrospective study was to describe the change in V˙O2peak, and cardiovascular (CV) risk profile characteristics (secondary outcomes) after progressive AIT practiced in the largest, outpatient cardiac rehabilitation (CR) program in North America compared with usual care CR involving MICE. METHODS: Electronic database records were retrieved from consecutively enrolled patients with CAD who attended the Toronto Rehabilitation Institute, between January 1, 2005, and December 31, 2015. Patients were then separated into two, age and sex propensity score-matched groups: 772 patients were prescribed 26 wk of MICE (60%-80% of V˙O2peak, five times per week) as per usual care CR (56.0 ± 9.2 yr; 12% female/88% male; V˙O2peak: 20.8 ± 5.9 mL·kg·min), and 772 patients were prescribed 26 wk of progressive walk/jog intervals (15 min·mile walking pace, 12 min·mile jogging pace, five times per week) (55.9 ± 9.3 yr; 12% female/88% male; V˙O2peak: 24.8 ± 5.7 mL·kg ·min). Treatment effect analysis of AIT on V˙O2peak and CV risk profile characteristics was performed using multiple regression with baseline values as covariates. RESULTS: Treatment effect analysis revealed a 3.84-mL·kg·min superior improvement in V˙O2peak in the AIT group compared to usual care MICE group (P < 0.001). Furthermore, AIT significantly improved BMI, triglycerides, hip and abdominal girth, and depression score compared with MICE (P < 0.023 for all). CONCLUSIONS: Progressive AIT performed in a standard, outpatient CR program appears to be superior to usual care MICE for improving V˙O2peak, CV risk profile characteristics, and depression score in stable CAD patients. These findings may have important implications for exercise training guidelines in the rehabilitation setting, and in future studies.
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 | 0,001 | 0,003 |
| 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 | 0,000 | 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) | 0,001 | 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 ».