Entering Cardiac Rehabilitation With Peripheral Artery Disease
Notice bibliographique
Résumé
PURPOSE: Supervised exercise is recommended for patients with peripheral artery disease (PAD) and patients with coronary artery disease (CAD). Both conditions share common etiology as atherosclerotic diseases. The clinical profile, cardiorespiratory fitness, and exercise prescriptions of PAD, CAD, and patients with concomitant PAD and CAD (BOTH) have yet to be compared upon entry into cardiac rehabilitation (CR). METHODS: Cardiopulmonary, demographic, and anthropometric assessments were conducted at entry to CR between January 2006 and December 2017. RESULTS: Among 9701 consecutively enrolled patients, there were 94.6% with CAD (n = 9179), 1.5% with PAD (n = 143), and 3.9% with BOTH (n = 379). Only 5.4% (n = 522) of all patients entering CR had a diagnosis of PAD. Compared with CAD, patients with PAD and BOTH were older (mean ± SD = 62.5 ± 11.1 vs 67.9 ± 11.4 and 69.2 ± 9.8 yr, P < .01), had higher resting systolic blood pressure (124 ± 17 vs 130 ± 17 and 133 ± 18 mm Hg, P < .01), had lower cardiorespiratory fitness (19.7 ± 6.3 vs 15.6 ± 4.8 and 15 ± 4.5 mL/kg/min, P < .01), and were more likely to have diabetes (25% vs 35% and 41%, P < .01), abdominal obesity (39% vs 54% and 51%, P < .01), and initially prescribed lower-intensity exercise (84.4 ± 14.1 vs 74.1 ± 15.7 and 70.0 ± 14.6 m/min exercise pace, P < .01), reflecting the complex nature of patients diagnosed with PAD. CONCLUSIONS: Patients referred with PAD have a cardiovascular risk profile that places them at a greater risk for a repeat or first cardiac event compared with patients with CAD. Referral to structured exercise and risk factor modification programs should be considered to aid in the management of PAD.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».