Predictive factors of erectile dysfunction in a cardiac rehabilitation programme. What can we improve?
Notice bibliographique
Résumé
Abstract Funding Acknowledgements Type of funding sources: None. Introduction Erectile dysfunction (ED) is a frequent comorbidity in patients with chronic coronary syndrome; it is related to both cardiovascular risk factors (CVRF), the treatments administered and the vascular disease itself. We analyse the predictors of ED in the cardiac rehabilitation unit of a third level hospital. Material and methods Observational and prospective cohort of male patients participating in the cardiac rehabilitation programme (CRP) between 2015 and 2019. This CRP lasts 1 month, with 3 weekly sessions of monitored and supervised exercise, in addition to talks related on the cardiovascular area, diet, etc. One of these sessions is on ED, in which the patient is asked about the entity, possible interactions with drugs, etc. In addition, the degree of ED is evaluated anonymously using the IIEF5 scale, in which 5 questions are used to evaluate different conditions of the disease by scoring from 1 to 5, with values of less than 21 being considered as ED. For the statistical analysis we carried out a multiple regression model adjusted by the clinical variables collected at the beginning of the programme. Results Out of a total of 343 patients 90% were male and 265 completed the questionnaire. 63% presented ED. The mean age is 56 ± 9 years. The distribution of CVRF: 43% hypertense, 23% diabetics, 72% dyslipemia, 22% ex and 48% smokers. As for the diagnoses prior to the start of CRP, 59% suffered from STEMI, 22% from NSTEMI, 9% from unstable angina and 9% were post-operative from cardiac surgery. In the global multiple regression model the factors predisposing to ED and presenting statistically significant coefficients were age (-0.2 CI: -0.27- -0.12, p < 0.001), hypertension (-1.6; CI -2.9- -0.3, p = 0.014) and diabetes (-2.0 CI: -3.1- -0.6, p = 0.007). We performed a predictive model for the different age ranges according to the presence/absence of hypertension and diabetes (Figure 1). Conclusions ED is a prevalent entity in our series, with age-adjusted multivariate analysis predicting its development and hypertension and diabetes as potentially modifiable factors related to it. Abstract Figure. Graph 1: Predictive regression model
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) | 0,001 | 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) | 0,000 | 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 ».