Cardiac rehabilitation availability and delivery in Europe: How does it differ by region and compare with other high-income countries?
Notice bibliographique
Résumé
The aims of this study were to establish cardiac rehabilitation availability and density, as well as the nature of programmes, and to compare these by European region (geoscheme) and with other high-income countries. A survey was administered to cardiac rehabilitation programmes globally. Cardiac associations were engaged to facilitate programme identification. Density was computed using global burden of disease study ischaemic heart disease incidence estimates. Four high-income countries were selected for comparison (N = 790 programmes) to European data, and multilevel analyses were performed. Cardiac rehabilitation was available in 40/44 (90.9%) European countries. Data were collected in 37 (94.8% country response rate). A total of 455/1538 (29.6% response rate) programme respondents initiated the survey. Programme volumes (median 300) were greatest in western European countries, but overall were higher than in other high-income countries (P < 0.001). Across all Europe, there was on average only 1 CR spot per 7 IHD patients, with an unmet regional need of 3,449,460 spots annually. Most programmes were funded by social security (n = 25, 59.5%; with significant regional variation, P < 0.001), but in 72 (16.0%) patients paid some or all of the programme costs (or ∼18.5% of the ∼€150.0/programme) out of pocket. Guideline-indicated conditions were accepted in 70% or more of programmes (lower for stable coronary disease), with no regional variation. Programmes had a multidisciplinary team of 6.5 ± 3.0 staff (number and type varied regionally; and European programmes had more staff than other high-income countries), offering 8.5 ± 1.5/10 core components (consistent with other high-income countries) over 24.8 ± 26.0 hours (regional differences, P < 0.05). European cardiac rehabilitation capacity must be augmented. Where available, services were consistent with guidelines, but varied regionally.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».