THE IMPACT OF CARDIAC REHABILITATION ON FRAILTY SEVERITY
Notice bibliographique
Résumé
We aimed to determine if cardiac rehabilitation reduces frailty levels from admission to program completion. Data from 250 patients with stable cardiovascular disease referred for rehabilitation were analyzed. Participants engaged in a 12-week group-based exercise and education program 2x/week. Frailty was measured with a 24-item frailty index. Frailty severity was assessed using clinically meaningful frailty index cut-offs (<0.20, 0.20–0.30, 0.30–0.40, and >0.40). Improvement in frailty was defined as a reduction in frailty index scores by ≥0.03 (minimal important difference). Frailty levels were calculated in 179 patients at baseline and program completion (mean age: 61.7 ± 11.0; 27.5% female); 4.5%. 26.3%, 25.7%, and 43.6% met the <0.20, 0.20–0.30, 0.30–0.40, and >0.40 frailty severity categories, respectively. Frailty scores were significantly reduced from baseline (0.38 ± 0.12) to program completion (0.31 ± 0.12; p<0.0001); 66% of participants improved their frailty scores. Compared to participants in the two lowest frailty severity groups, age and sex-adjusted linear regression models demonstrated that patients with a frailty index score of 0.30–0.4 did not have a greater relative improvement in frailty at the end of the program; whereas the highest severity group (>0.40) had a significantly greater relative change (β-coefficient: -0.07, 95% CI: -0.04 to -0.10; p<0.0001). Improvement in a minimal important frailty index score change at program completion was achieved by 25%, 53%, 70%, and 76%, across the frailty severity categories, respectively (p<0.0001). Cardiac rehabilitation can significantly reduce frailty levels in patients with cardiovascular disease (by ~1.7 fewer deficits). Patients with more severe frailty levels may derive the most benefit from cardiac rehabilitation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».